Cibersegurança – Ciberrange da Escola Naval
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
RCAP_3179f261de4452a77fdde3c2b811505b |
---|---|
oai_identifier_str |
oai:comum.rcaap.pt:10400.26/49022 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Cibersegurança – Ciberrange da Escola NavalBases de dados e classificador baseado em redes neuronaisCibersegurançaCiberrangeAprendizagem máquinaBase de DadosRedes neuronaisSistemas de deteção de intrusõesAssuntos Militares NavaisO 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.The increasing rise of cyberattacks has become an increasingly serious problem in an increasingly digital world that is dependent on connected and vulnerable devices. Cyberattacks are becoming more sophisticated and frequent, posing a significant threat to governments, companies, and individuals. Protection against these attacks is crucial for system integrity and information privacy. The use of advanced techniques such as machine learning plays a fundamental role in detecting and preventing cyberattacks, enabling a more efficient and proactive response to digital threats. Therefore, the research conducted in this dissertation contributes to the advancement of cybersecurity by offering solutions for protection against cyberattacks in the context of the Portuguese Navy. This dissertation is part of the “Ciberrange da Escola Naval” and focuses on database analysis and classifier construction for cyberattack detection. It also contextualizes this work within the existing literature on attack and threat analysis, machine learning techniques, and solution evaluation methods. Additionally, an examination of open-source databases available in the field of cybersecurity is conducted. The work is framed within the context of organizational security, specifically the Portuguese Navy. Key fundamental points that a cyber range should have are highlighted, according to the interests of an organization seeking to protect itself and its members. Finally, the dissertation develops, analyzes, and compares neural network-based classifiers with the objective of detecting cyberattacks, using the UNSW-NB15 database as support. The results obtained show an accuracy of 0.9301 in binary classification, 0.8211 in multi-class classification, and 0.8358 in multi-class classification with the reduction of minority attacks.Lobo, Victor José de Almeida e SousaCorreia, Anacleto Cortez ePequeno, Valéria MagalhãesRepositório ComumGonçalves, Frederico Nunes de Oliveira Correia2024-01-17T11:27:58Z2023-092023-082023-09-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.26/49022TID:203433041porinfo: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:RCAAP2024-01-24T12:54:07Zoai:comum.rcaap.pt:10400.26/49022Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T01:56:55.510435Repositório 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 |
Cibersegurança – Ciberrange da Escola Naval Bases de dados e classificador baseado em redes neuronais |
title |
Cibersegurança – Ciberrange da Escola Naval |
spellingShingle |
Cibersegurança – Ciberrange da Escola Naval Gonçalves, Frederico Nunes de Oliveira Correia Cibersegurança Ciberrange Aprendizagem máquina Base de Dados Redes neuronais Sistemas de deteção de intrusões Assuntos Militares Navais |
title_short |
Cibersegurança – Ciberrange da Escola Naval |
title_full |
Cibersegurança – Ciberrange da Escola Naval |
title_fullStr |
Cibersegurança – Ciberrange da Escola Naval |
title_full_unstemmed |
Cibersegurança – Ciberrange da Escola Naval |
title_sort |
Cibersegurança – Ciberrange da Escola Naval |
author |
Gonçalves, Frederico Nunes de Oliveira Correia |
author_facet |
Gonçalves, Frederico Nunes de Oliveira Correia |
author_role |
author |
dc.contributor.none.fl_str_mv |
Lobo, Victor José de Almeida e Sousa Correia, Anacleto Cortez e Pequeno, Valéria Magalhães Repositório Comum |
dc.contributor.author.fl_str_mv |
Gonçalves, Frederico Nunes de Oliveira Correia |
dc.subject.por.fl_str_mv |
Cibersegurança Ciberrange Aprendizagem máquina Base de Dados Redes neuronais Sistemas de deteção de intrusões Assuntos Militares Navais |
topic |
Cibersegurança Ciberrange Aprendizagem máquina Base de Dados Redes neuronais Sistemas de deteção de intrusões Assuntos Militares Navais |
description |
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. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-09 2023-08 2023-09-01T00:00:00Z 2024-01-17T11:27:58Z |
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/10400.26/49022 TID:203433041 |
url |
http://hdl.handle.net/10400.26/49022 |
identifier_str_mv |
TID:203433041 |
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.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_ |
1799137056937476096 |