Cibersegurança – Ciberrange da Escola Naval

• Autor(a) principal: Gonçalves, Frederico Nunes de Oliveira Correia
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.26/49022
• topic: Cibersegurança; Ciberrange; Aprendizagem máquina; Base de Dados; Redes neuronais; Sistemas de deteção de intrusões; Assuntos Militares Navais

O aumento crescente de ciberataques tem se tornado um problema cada vez mais grave num mundo cada vez mais digital e dependente de dispositivos conectados e vulneráveis. Os ciberataques estão a tornar-se cada vez mais sofisticados e frequentes, representando uma ameaça significativa para governos, empresas e indivíduos. A proteção contra estes ataques é crucial para a integridade dos sistemas e a privacidade das informações. A utilização de técnicas avançadas, como a aprendizagem de máquina, desempenha um papel fundamental na deteção e prevenção de ciberataques, permitindo uma resposta mais eficiente e proativa diante das ameaças digitais. Portanto, a pesquisa realizada nesta dissertação contribui para o avanço da cibersegurança, oferecendo soluções para a proteção contra ciberataques no contexto da Marinha Portuguesa. A presente dissertação faz parte do projeto Ciberrange da Escola Naval, e que tem como foco o estudo de bases de dados e a construção de classificadores para deteção de ciberataques. Além disso, enquadra o presente trabalho na literatura existente nas temáticas de ataques e ameaças, técnicas de aprendizagem de máquina e métodos de avaliação da solução. Também é realizado um estudo das bases de dados open-source disponíveis na área da cibersegurança. O trabalho é enquadrado no contexto da segurança organizacional, mais especificamente na Marinha Portuguesa. Destacam-se os pontos-chave fundamentais que um ciberrange deve ter, de acordo com os interesses de uma organização que visa proteger-se a si mesma e aos seus membros. Por fim, a dissertação desenvolve, analisa e compara classificadores baseados em redes neurais com o objetivo de detetar ciberataques, utilizando como suporte a base de dados UNSW-NB15. Os resultados obtidos mostram uma precisão de 0.9301 na classificação binária, 0.8211 na classificação multi-classe e 0.8358 na classificação multi-classe com redução de ataques minoritários.