Deteção de ataques em aplicações Web através de algoritmos de Machine Learning

Detalhes bibliográficos
Autor(a) principal: Sampaio, Pedro Miguel Ribeiro
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.22/17447
Resumo: Dissertação de Mestrado em Engenharia Informática
id RCAP_16de416b743bd46b6db2cbd99aa9210f
oai_identifier_str oai:recipp.ipp.pt:10400.22/17447
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Deteção de ataques em aplicações Web através de algoritmos de Machine LearningMachine Learningciberataquesalgoritmosatividade maliciosaInformáticaDissertação de Mestrado em Engenharia InformáticaAs aplicações Web têm um papel fulcral em muitas organizações, suportando e potenciando os seus negócios. A sua popularidade e criticidade é também apelativa aos atores maliciosos que exploram possíveis vulnerabilidades para executar os seus ataques, levando a prejuízos significativos de reputação e financeiros por partes das organizações e pessoas afetadas. Neste projeto explorámos a utilização de algoritmos de Machine Learning para detetar anomalias e possíveis ciberataques através da análise dos logs que a aplicação produz, com base em dados reais e dados gerados a partir de testes de intrusão foi criado um dataset para análise através de algoritmos Machine Learning de modo a determinar ciberataques em curso. O dataset é composto por 36 parâmetros resultantes da agregação de dados por janela temporal e do enriquecimento de dados. Os datasets foram tratados e analisados através de diferentes algoritmos de Machine Learning considerando a atualização de híper parâmetros verificando se a existência de algoritmos capazes de detetar anomalias e possíveis ciberataques com uma taxa de acerto superior a 90%. A eficácia verificada contribui para a criação de uma solução independente focada no desempenho e na rapidez de resposta que permite detetar e/ou bloquear ataques numa fase inicial mitigando as suas consequências negativas junto das organizações.Web applications play a central role in many organizations, supporting and enhancing their business. Its popularity and criticality is also appealing to malicious actors who exploit possible vulnerabilities to carry out their attacks, leading to significant reputational and financial losses by affected organizations and people. In this project we explored the use of Machine Learning algorithms to detect anomalies and possible cyberattacks through the analysis of the logs that the application produces, based on real data and data generated from intrusion tests, a dataset was created for analysis using Machine Learning algorithms in order to determine ongoing cyberattacks. The dataset is composed of 36 parameters resulting from the aggregation of data by time window and the enrichment of data. The datasets were treated and analysed using different Machine Learning algorithms considering the update of hyperparameters verifying the existence of algorithms capable of detecting anomalies and possible cyberattacks with a hit rate greater than 90%. The verified effectiveness contributes to the creation of an independent solution focused on the performance and speed of response that allows detecting and/or blocking attacks at an early stage, mitigating their negative consequences for organizations.Instituto Politécnico do Porto. Escola Superior de Tecnologia e GestãoMagalhães, João Paulo Ferreira deRepositório Científico do Instituto Politécnico do PortoSampaio, Pedro Miguel Ribeiro2021-03-11T16:31:59Z202020202020-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/17447TID:202635821porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-13T13:08:11Zoai:recipp.ipp.pt:10400.22/17447Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:37:04.886975Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Deteção de ataques em aplicações Web através de algoritmos de Machine Learning
title Deteção de ataques em aplicações Web através de algoritmos de Machine Learning
spellingShingle Deteção de ataques em aplicações Web através de algoritmos de Machine Learning
Sampaio, Pedro Miguel Ribeiro
Machine Learning
ciberataques
algoritmos
atividade maliciosa
Informática
title_short Deteção de ataques em aplicações Web através de algoritmos de Machine Learning
title_full Deteção de ataques em aplicações Web através de algoritmos de Machine Learning
title_fullStr Deteção de ataques em aplicações Web através de algoritmos de Machine Learning
title_full_unstemmed Deteção de ataques em aplicações Web através de algoritmos de Machine Learning
title_sort Deteção de ataques em aplicações Web através de algoritmos de Machine Learning
author Sampaio, Pedro Miguel Ribeiro
author_facet Sampaio, Pedro Miguel Ribeiro
author_role author
dc.contributor.none.fl_str_mv Magalhães, João Paulo Ferreira de
Repositório Científico do Instituto Politécnico do Porto
dc.contributor.author.fl_str_mv Sampaio, Pedro Miguel Ribeiro
dc.subject.por.fl_str_mv Machine Learning
ciberataques
algoritmos
atividade maliciosa
Informática
topic Machine Learning
ciberataques
algoritmos
atividade maliciosa
Informática
description Dissertação de Mestrado em Engenharia Informática
publishDate 2020
dc.date.none.fl_str_mv 2020
2020
2020-01-01T00:00:00Z
2021-03-11T16:31:59Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.22/17447
TID:202635821
url http://hdl.handle.net/10400.22/17447
identifier_str_mv TID:202635821
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Politécnico do Porto. Escola Superior de Tecnologia e Gestão
publisher.none.fl_str_mv Instituto Politécnico do Porto. Escola Superior de Tecnologia e Gestão
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799131461411930112

Registros relacionados