Detecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IP
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UEL |
Texto Completo: | http://www.bibliotecadigital.uel.br/document/?code=vtls000206449 |
Resumo: | 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 alarmes. |
id |
UEL_66dcb2a90d63e2fa595cf0529bd3544c |
---|---|
oai_identifier_str |
oai:uel.br:vtls000206449 |
network_acronym_str |
UEL |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UEL |
repository_id_str |
|
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisDetecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IPAnomaly detection through digital signature using genetic algorithm and IP flows analysis2016-05-05Mário Lemes Proença Junior . Cinthyan Renata Sachs C. Barbosa Bruno Bogaz Zarpelão Lourival Aparecido de GóisPaulo Roberto Galego Hernandes JuniorUniversidade Estadual de Londrina. Centro de Ciências Exatas. Programa de Pós-Graduação em Ciência da Computação.URLBRDetectar 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 alarmes.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 rate.http://www.bibliotecadigital.uel.br/document/?code=vtls000206449porreponame:Biblioteca Digital de Teses e Dissertações da UELinstname:Universidade Estadual de Londrina (UEL)instacron:UELinfo:eu-repo/semantics/openAccess2023-12-11T09:30:42Zoai:uel.br:vtls000206449Biblioteca Digital de Teses e Dissertaçõeshttp://www.bibliotecadigital.uel.br/PUBhttp://www.bibliotecadigital.uel.br/OAI/oai2.phpbcuel@uel.br||opendoar:2016-12-21T19:48:38Biblioteca Digital de Teses e Dissertações da UEL - Universidade Estadual de Londrina (UEL)false |
dc.title.pt.fl_str_mv |
Detecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IP |
dc.title.alternative.en.fl_str_mv |
Anomaly detection through digital signature using genetic algorithm and IP flows analysis |
title |
Detecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IP |
spellingShingle |
Detecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IP Paulo Roberto Galego Hernandes Junior |
title_short |
Detecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IP |
title_full |
Detecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IP |
title_fullStr |
Detecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IP |
title_full_unstemmed |
Detecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IP |
title_sort |
Detecção de anomalias com assinatura digital utilizando algoritmo genético e análise de fluxos IP |
author |
Paulo Roberto Galego Hernandes Junior |
author_facet |
Paulo Roberto Galego Hernandes Junior |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Mário Lemes Proença Junior . |
dc.contributor.referee1.fl_str_mv |
Cinthyan Renata Sachs C. Barbosa |
dc.contributor.referee2.fl_str_mv |
Bruno Bogaz Zarpelão |
dc.contributor.referee3.fl_str_mv |
Lourival Aparecido de Góis |
dc.contributor.author.fl_str_mv |
Paulo Roberto Galego Hernandes Junior |
contributor_str_mv |
Mário Lemes Proença Junior . Cinthyan Renata Sachs C. Barbosa Bruno Bogaz Zarpelão Lourival Aparecido de Góis |
description |
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 alarmes. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-05-05 |
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://www.bibliotecadigital.uel.br/document/?code=vtls000206449 |
url |
http://www.bibliotecadigital.uel.br/document/?code=vtls000206449 |
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.publisher.none.fl_str_mv |
Universidade Estadual de Londrina. Centro de Ciências Exatas. Programa de Pós-Graduação em Ciência da Computação. |
dc.publisher.initials.fl_str_mv |
URL |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade Estadual de Londrina. Centro de Ciências Exatas. Programa de Pós-Graduação em Ciência da Computação. |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UEL instname:Universidade Estadual de Londrina (UEL) instacron:UEL |
instname_str |
Universidade Estadual de Londrina (UEL) |
instacron_str |
UEL |
institution |
UEL |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UEL |
collection |
Biblioteca Digital de Teses e Dissertações da UEL |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UEL - Universidade Estadual de Londrina (UEL) |
repository.mail.fl_str_mv |
bcuel@uel.br|| |
_version_ |
1784990168574328832 |