Sistemas de detecção de intrusão com técnicas de inteligência artificial

• Ano de defesa: 2011
• Autor(a) principal: Silva, Jacson Rodrigues Correia da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Metodologias e técnicas da Computação; Sistemas de Computação; Mestrado em Ciência da Computação; UFV
• Palavras-chave em Português: Sistemas de detecção de intrusos; Invasão; Segurança; Inteligência artificial; Ataques; SDI; Intrusion detection systems; Invasion; Security; Artificial intelligence; Attacks; IDS; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
• Link de acesso: http://locus.ufv.br/handle/123456789/2621

Devido ao aumento da quantidade de informações importantes sobre as Redes de Computadores, a segurança torna-se fundamental para garantir a integridade, a confidencialidade e a disponibilidade dos dados trafegados. Para melhorar a segurança, utilizam-se ferramentas, como Firewalls e Sistemas de Detecção de Intrusão (SDI). Atualmente, métodos de Inteligência Artificial (IA) são utilizados para melhorar tais ferramentas. Esta dissertação propõe, então, avaliar a melhoria das taxas de acerto dos Sistemas de Detecção de Intrusão utilizando algumas técnicas de Inteligência Artificial. São apresentados os conceitos sobre segurança e as medidas necessárias para aplicá-los, além de informações sobre invasores de sistemas computacionais. Também são apresentados os principais conceitos sobre os Sistemas de Detecção de Intrusão e algumas técnicas de Inteligência Artificial e uma revisão bibliográfica sobre SDIs implementados com técnicas de IA. O desenvolvimento desse trabalho iniciou-se com a implementação de uma Rede Neural Artificial, que teve suas características alteradas através de Algoritmos Genéticos para obter melhores taxas de acerto sobre conexões normais e anormais de uma rede de computadores. Também foi implementado um Sistema Nebuloso, utilizado posteriormente em junção com as Redes Neurais Artificiais para formar um Sistema Híbrido Inteligente. Após as implementações, as taxas de acerto para detecção de invasões e de tráfego normal foram obtidas e comparadas. Elas apresentaram, em todos os métodos de IA, taxas de acerto maiores que o sistema inicial utilizado. Foram apresentados, para cada método implementado, suas taxas de acerto em gráficos comparativos com os métodos implementados anteriormente e uma discussão dos resultados encontrados. A classificação correta dos ataques e do tráfego normal através das Redes Neurais Artificiais aumentou em até 17,6% com a utilização do Algoritmo Genético. Já o Sistema Nebuloso implementado apresentou um ganho modesto, da ordem de 5% na taxa de acerto de ataques e tráfego normal. Porém, com a junção das Redes Neurais ao Sistema Nebuloso, formando o sistema Neuro-Fuzzy, obteve-se um ganho nas taxas de acerto da ordem de 30% em relação ao trabalho original implementado. Ao final, também são apresentadas as conclusões desse trabalho e algumas possibilidades de trabalhos futuros.