Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning

Bibliographic Details
Main Author: Silva Neto, Francisco Queiroga da
Publication Date: 2021
Format: Bachelor thesis
Language: por
Source: Arandu - Repositório da Universidade Federal Rural de Pernambuco
dARK ID: ark:/57462/001300000d0q7
Download full: https://repository.ufrpe.br/handle/123456789/4265
Summary: As ferramentas de comunicação e o avanço contínuo da Internet resultaram também na sofisticação de ferramentas e métodos para realizar ataques contra usuários e seus computadores, com recursos que facilitam atividades criminosas no ambiente cibernético. Dentre as ameaças cibernéticas, as botnets possuem características e vantagens que expandiram seu uso nos últimos anos, se tornando uma ferramenta empregada de forma abrangente por atacantes para conduzir ataques e obter o controle de diversos dispositivos conectados a redes de computadores. A forma como estas ameaças se comportam e são atualizadas traz diversos desafios para a área de detecção de intrusão. Nesse documento, é apresentado um estudo sobre a aplicação de técnicas de machine learning na detecção de botnets ao analisar fluxos de tráfego de rede. O estudo visa mostrar como técnicas de classificação de padrões podem ser aplicadas em sistemas de detecção de intrusão para identificar similaridades entre a infraestrutura de botnets, onde foram estudados trabalhos da literatura para abordar uma aplicação que visa melhorar os problemas relacionados às etapas de seleção de atributos e o processamento de dados, etapas cruciais em modelos de machine learning.
id UFRPE_3b82eab8754d97a064aa03e7237224f3
oai_identifier_str oai:arandu.ufrpe.br:123456789/4265
network_acronym_str UFRPE
network_name_str Arandu - Repositório da Universidade Federal Rural de Pernambuco
repository_id_str https://v2.sherpa.ac.uk/id/repository/10612
spelling Sistema para detecção de intrusão de botnets utilizando aplicações de machine learningCiberterrorismoAprendizado do computadorSegurança de computadoresTeste de invasão (Medidas de segurança para computadores)As ferramentas de comunicação e o avanço contínuo da Internet resultaram também na sofisticação de ferramentas e métodos para realizar ataques contra usuários e seus computadores, com recursos que facilitam atividades criminosas no ambiente cibernético. Dentre as ameaças cibernéticas, as botnets possuem características e vantagens que expandiram seu uso nos últimos anos, se tornando uma ferramenta empregada de forma abrangente por atacantes para conduzir ataques e obter o controle de diversos dispositivos conectados a redes de computadores. A forma como estas ameaças se comportam e são atualizadas traz diversos desafios para a área de detecção de intrusão. Nesse documento, é apresentado um estudo sobre a aplicação de técnicas de machine learning na detecção de botnets ao analisar fluxos de tráfego de rede. O estudo visa mostrar como técnicas de classificação de padrões podem ser aplicadas em sistemas de detecção de intrusão para identificar similaridades entre a infraestrutura de botnets, onde foram estudados trabalhos da literatura para abordar uma aplicação que visa melhorar os problemas relacionados às etapas de seleção de atributos e o processamento de dados, etapas cruciais em modelos de machine learning.Communication tools and the continuous advancement of the Internet have also resulted in the sophistication of tools and methods to carry out attacks against users and their computers, with features that facilitate criminal activities in the cyber environment. Among cyber threats, botnets have characteristics and advantages that have expanded their use in recent years, becoming a tool employed extensively by attackers to conduct attacks and gain control of various devices connected to computer networks. The way these threats behave and are updated brings several challenges to the intrusion detection area. In this paper, a study is presented on the application of machine learning techniques in detecting botnets by analyzing network traffic flows. The study aims to show how pattern classification techniques can be applied in intrusion detection systems to identify similarities between the infrastructure of botnets, where works in the literature were studied to address an application that aims to improve the problems related to the attribute selection steps and the data processing, crucial steps in machine learning models.BrasilAssad, Rodrigo Eliahttp://lattes.cnpq.br/7900008638092251http://lattes.cnpq.br/3791808485485116Silva Neto, Francisco Queiroga da2023-03-29T21:53:53Z2023-03-29T21:53:53Z2021-12-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis24 f.application/pdfSILVA NETO, Francisco Queiroga da. Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning. 2021. 24 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2021.https://repository.ufrpe.br/handle/123456789/4265ark:/57462/001300000d0q7porAtribuição-NãoComercial 4.0 Internacional (CC BY-NC 4.0)https://creativecommons.org/licenses/by-nc/4.0/deed.pt_BRopenAccessinfo:eu-repo/semantics/openAccessreponame:Arandu - Repositório da Universidade Federal Rural de Pernambucoinstname:Universidade Federal Rural de Pernambuco (UFRPE)instacron:UFRPE2025-04-02T11:19:47Zoai:arandu.ufrpe.br:123456789/4265Repositório InstitucionalPUBhttps://arandu.ufrpe.br/server/oai/requestrepositorio.sib@ufrpe.bropendoar:https://v2.sherpa.ac.uk/id/repository/106122025-04-02T11:19:47Arandu - Repositório da Universidade Federal Rural de Pernambuco - Universidade Federal Rural de Pernambuco (UFRPE)false
dc.title.none.fl_str_mv Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning
title Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning
spellingShingle Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning
Silva Neto, Francisco Queiroga da
Ciberterrorismo
Aprendizado do computador
Segurança de computadores
Teste de invasão (Medidas de segurança para computadores)
title_short Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning
title_full Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning
title_fullStr Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning
title_full_unstemmed Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning
title_sort Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning
author Silva Neto, Francisco Queiroga da
author_facet Silva Neto, Francisco Queiroga da
author_role author
dc.contributor.none.fl_str_mv Assad, Rodrigo Elia
http://lattes.cnpq.br/7900008638092251
http://lattes.cnpq.br/3791808485485116
dc.contributor.author.fl_str_mv Silva Neto, Francisco Queiroga da
dc.subject.por.fl_str_mv Ciberterrorismo
Aprendizado do computador
Segurança de computadores
Teste de invasão (Medidas de segurança para computadores)
topic Ciberterrorismo
Aprendizado do computador
Segurança de computadores
Teste de invasão (Medidas de segurança para computadores)
description As ferramentas de comunicação e o avanço contínuo da Internet resultaram também na sofisticação de ferramentas e métodos para realizar ataques contra usuários e seus computadores, com recursos que facilitam atividades criminosas no ambiente cibernético. Dentre as ameaças cibernéticas, as botnets possuem características e vantagens que expandiram seu uso nos últimos anos, se tornando uma ferramenta empregada de forma abrangente por atacantes para conduzir ataques e obter o controle de diversos dispositivos conectados a redes de computadores. A forma como estas ameaças se comportam e são atualizadas traz diversos desafios para a área de detecção de intrusão. Nesse documento, é apresentado um estudo sobre a aplicação de técnicas de machine learning na detecção de botnets ao analisar fluxos de tráfego de rede. O estudo visa mostrar como técnicas de classificação de padrões podem ser aplicadas em sistemas de detecção de intrusão para identificar similaridades entre a infraestrutura de botnets, onde foram estudados trabalhos da literatura para abordar uma aplicação que visa melhorar os problemas relacionados às etapas de seleção de atributos e o processamento de dados, etapas cruciais em modelos de machine learning.
publishDate 2021
dc.date.none.fl_str_mv 2021-12-13
2023-03-29T21:53:53Z
2023-03-29T21:53:53Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SILVA NETO, Francisco Queiroga da. Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning. 2021. 24 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2021.
https://repository.ufrpe.br/handle/123456789/4265
dc.identifier.dark.fl_str_mv ark:/57462/001300000d0q7
identifier_str_mv SILVA NETO, Francisco Queiroga da. Sistema para detecção de intrusão de botnets utilizando aplicações de machine learning. 2021. 24 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2021.
ark:/57462/001300000d0q7
url https://repository.ufrpe.br/handle/123456789/4265
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Atribuição-NãoComercial 4.0 Internacional (CC BY-NC 4.0)
https://creativecommons.org/licenses/by-nc/4.0/deed.pt_BR
openAccess
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Atribuição-NãoComercial 4.0 Internacional (CC BY-NC 4.0)
https://creativecommons.org/licenses/by-nc/4.0/deed.pt_BR
openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 24 f.
application/pdf
dc.publisher.none.fl_str_mv Brasil
publisher.none.fl_str_mv Brasil
dc.source.none.fl_str_mv reponame:Arandu - Repositório da Universidade Federal Rural de Pernambuco
instname:Universidade Federal Rural de Pernambuco (UFRPE)
instacron:UFRPE
instname_str Universidade Federal Rural de Pernambuco (UFRPE)
instacron_str UFRPE
institution UFRPE
reponame_str Arandu - Repositório da Universidade Federal Rural de Pernambuco
collection Arandu - Repositório da Universidade Federal Rural de Pernambuco
repository.name.fl_str_mv Arandu - Repositório da Universidade Federal Rural de Pernambuco - Universidade Federal Rural de Pernambuco (UFRPE)
repository.mail.fl_str_mv repositorio.sib@ufrpe.br
_version_ 1848046139863990272

Similar Items