Detecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IP

Página do item simplificado
dataload.collectionmapped02 - Mestrado - Ciência da Computaçãopt_BR
dataload.filenamenourau4789.pdfpt_BR
dataload.handlemapped123456789/50pt_BR
dataload.idpergamum128073pt_BR
dataload.idvirtuanourauvtls000206449pt_BR
dataload.idvirtuapergamumvtls000206449pt_BR
dataload.idvirtuapergamum.sameurlnourauSIMpt_BR
dataload.linknourauhttp://www.bibliotecadigital.uel.br/document/?code=vtls000206449pt_BR
dataload.linknourau.regularSIMpt_BR
dataload.linknourau.retificadohttp://www.bibliotecadigital.uel.br/document/?code=vtls000206449pt_BR
dataload.linknourau.size64.00pt_BR
dc.contributor.advisorProença Junior, Mário Lemes [Orientador]pt_BR
dc.contributor.authorHernandes Junior, Paulo Roberto Galegopt_BR
dc.contributor.bancaBarbosa, Cinthyan Renata Sachs Camerlengo dept_BR
dc.contributor.bancaZarpelão, Bruno Bogazpt_BR
dc.contributor.bancaGóis, Lourival Aparecido dept_BR
dc.coverage.spatialLondrinapt_BR
dc.date.accessioned2024-05-01T13:12:56Z
dc.date.available2024-05-01T13:12:56Z
dc.date.created2016.00pt_BR
dc.date.defesa05.05.2016pt_BR
dc.description.abstractResumo: Detectar anomalias em redes de computadores com precisão e rapidez é fundamental para que o diagnóstico e a solução dos problemas sejam encontrados rapidamente Este trabalho apresenta a ferramenta Genetic Algorithm for Digital Signature (GADS), que identifica padrões anômalos no comportamento de uma rede através do uso de uma assinatura digital de segmento de rede, chamada Digital Signature of Network Segment using Flow Analysis (DSNSF) Foram usados dados reais extraídos de duas universidades, adquiridos por meio das técnicas de fluxos IP, usando os padrões Netflow e sFlow São usados seis atributos desses dados: bits/s, pacotes/s, os endereços IP de origem e destino e as portas de origem e destino Para a organização dos dados e geração das assinaturas digitais, é usado o Algoritmo Genético, uma ferramenta para solucionar problemas de otimização Para a detecção de anomalias são usadas três técnicas que já foram abordadas em conjunto com DSNSFs, o Adaptive Dynamic Time Warping, o uso de limiares (thresholds) e a lógica paraconsistente As três técnicas são comparadas e testadas para a avaliação da eficácia destas com o GADS usando dados reais de dois cenários diferentes, a Universidade Estadual de Londrina e a Universidade Tecnológica Federal do Paraná, campus Toledo Nos testes são buscadas as melhores taxas de detecção de anomalias, para que o administrador não seja sobrecarregado com falsos alarmespt_BR
dc.description.abstractother1Abstract: In computer networks, detecting anomalies accurately and in a fast way is fundamental to rapid diagnosis and repair of problems This work presents the Genetic Algorithm for Digital Signature (GADS), a tool that identifies network anomalous behavior through the use of a Digital Signature of Network Segment using Flow Analysis (DSNSF) A real data set extracted from two universities was used, through the use of IP data flow techniques, using the Netflow and sFlow patterns Six attributes from these flows were used: bits/s, packets/s, source and destination of IP addresses and source and destination of logical ports To organize these data and generate the digital signatures, the Genetic Algorithm was used, which is a tool used to solve optimization problems For the anomaly detection, three techniques were used, and all of them have already approached the DSNSF The first uses the Adaptive Dynamic Time Warping (ADTW), the second uses simple thresholds and the third, the Paraconsistent Logic These three techniques were compared and tested to evaluate their efficiency combined with GADS, using a real data set of two different scenarios extracted from the State University of Londrina and the Federal University of Technology Paraná, city of Toledo Tests were performed to find the best anomaly detection rate, so that the administrators are not overloaded with a high false positive ratept_BR
dc.description.notesDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computaçãopt_BR
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/11339
dc.languagepor
dc.relation.coursedegreeMestradopt_BR
dc.relation.coursenameCiência da Computaçãopt_BR
dc.relation.departamentCentro de Ciências Exataspt_BR
dc.relation.ppgnamePrograma de Pós-Graduação em Ciência da Computaçãopt_BR
dc.subjectRedes de computadorespt_BR
dc.subjectMedidas de segurançapt_BR
dc.subjectSistemas de transmissão de dadospt_BR
dc.subjectTráfegopt_BR
dc.subjectAlgoritmos genéticospt_BR
dc.subjectTrafficpt_BR
dc.subjectGenetic algorithmspt_BR
dc.subjectManagementpt_BR
dc.subjectComputer networks - Safety measurespt_BR
dc.subjectComputer networkspt_BR
dc.subjectAnomalypt_BR
dc.subjectData transmission systemspt_BR
dc.titleDetecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IPpt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
4789.pdf
Tamanho:
5.97 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

02 - Mestrado - Ciência da Computação