Avaliação de algoritmos de aprendizado de máquina para a detecção de tráfego anômalo em ambiente sem fio doméstico

Página do item simplificado
dc.contributor.advisor-co1CARVALHO, Igor Furtado
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/0045467705921222pt_BR
dc.contributor.advisor1ABELÉM, Antônio Jorge Gomes
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5376253015721742pt_BR
dc.creatorNASCIMENTO, Adiel dos Santos
dc.creatorCABRAL JÚNIOR, Jayme da Costa
dc.creator.Latteshttp://lattes.cnpq.br/1459593964611577pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/2834673202390410pt_BR
dc.date.accessioned2019-11-05T12:52:37Z
dc.date.available2019-11-05T12:52:37Z
dc.date.issued2018-12-18
dc.description.resumoO advento tecnológico ocorrido nos últimos anos popularizou e democratizou o acesso à rede mundial de computadores, propiciando o surgimento de novas tecnologias multimídias hospedadas remotamente e na alta oferta de conteúdos e serviços disponibilizados na Internet. O principal impacto social consequente desses acontecimentos foi no tempo que as pessoas dedicam ao uso de seus aparelhos eletrônicos. Na contramão dos benefícios oferecidos por este avanço tecnológico o número de usuários mal-intencionados que utilizam métodos para driblar a segurança em roteadores de borda aumentou exponencialmente, eles utilizam artifícios que demandam de uma criatividade cada vez maior oferecendo riscos principalmente para usuários leigos. Por essa razão, a utilização de modelos que identificam anomalias no tráfego de roteadores de borda geradas por ataques apresenta-se com grande importância, visto que as técnicas de segurança estão aplicadas principalmente em servidores. Este trabalho promove uma avaliação dos principais algoritmos de aprendizado de máquina supervisionados, com a intenção verificar o comportamento apresentado por esses algoritmos na detecção de anomalias geradas por ataques de negação de serviço, em um dataset contendo o tráfego de uma rede doméstica simulada em laboratório. Os algoritmos KNN, Naive Bayes e Árvore de Decisões foram utilizadas na realização dos experimentos que de maneira geral ambos os algoritmos obtiveram um desempenho acima dos 90% de precisão, no entanto o KNN se apresentou como melhor algoritmo mesmo considerando a necessidade de um processamento maior em comparação aos outros algoritmos.pt_BR
dc.identifier.citationNASCIMENTO, Adiel dos Santos; CABRAL JÚNIOR, Jayme da Costa. Avaliação de algoritmos de aprendizado de máquina para a detecção de tráfego anômalo em ambiente sem fio doméstico. Orientador: Antônio Jorge Gomes Abelém. 2018. 43 f. Trabalho de Curso (Bacharelado em Ciência da Computação) – Faculdade de Computação, Instituto de Ciências Exatas e Naturais, Universidade Federal do Pará, Belém, 2018. Disponível em: http://bdm.ufpa.br/jspui/handle/prefix/2362. Acesso em:.pt_BR
dc.identifier.urihttps://bdm.ufpa.br/jspui/handle/prefix/2362
dc.rightsAcesso Abertopt_BR
dc.source1 CD-ROMpt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectAprendizagem de máquinapt_BR
dc.subjectMineração de dadospt_BR
dc.subjectRedes de computadorespt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleAvaliação de algoritmos de aprendizado de máquina para a detecção de tráfego anômalo em ambiente sem fio domésticopt_BR
dc.typeTrabalho de Curso - Graduação - Monografiapt_BR

Arquivo(s)

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
TCC_AvaliacaoAlgoritmosAprendizado.pdf
Tamanho:
1.14 MB
Formato:
Adobe Portable Document Format
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.85 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Aparece na Coleção

Faculdade de Computação - FACOMP/ICEN
Logo do RepositórioLogo do Repositório