Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de rede

Detalhes bibliográficos
Autor(a) principal: Adaniya, Mario Henrique Akihiko da Costa
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UEL
Texto Completo: https://repositorio.uel.br/handle/123456789/10178
Resumo: Resumo: As redes deixaram de ser meras ferramentas e tornaram-se parte vital de qualquer empresa, provedor de serviço entre outros elementos Isto torna a atividade de gerenciamento muito importante, uma vez que a saúde financeira e o próprio desenvolvimento das empresas estão conectados através das redes e qualquer interrupção ou falha de serviço acarretam em situações dramáticas Neste cenário, as anomalias são grande geradoras de transtornos para os administratores de redes e oriundas de diversas causas, como falhas de configurações, erros por falha do usuário, erros por falhas de software e/ou hardware ou ataque de agentes maliciosos Para mitigar os erros e falhas, é proposto nesta Dissertação um modelo para detecção de anomalias baseado no algoritmo de clusterização otimizado aplicado aos dados coletados pela ferramenta Gerenciamento de Backbone Automático (GBA) Uma contribuição deste trabalho é o algoritmo de clusterização otimizado, chamado de Algoritmo de Clusterização Firefly Harmonic Este algoritmo é a junção do algoritmo de clusterização, K-Harmonic Means (KHM), com a heurística, Firefly Algorithm Também é apresentado uma descrição de anomalia que utiliza a Assinatura Digital de Segmento de Rede (DSNS) gerado pelo GBA, para criar uma área fixa que determina se o intervalo analisado é anômalo ou não, produzindo um gabarito Para validação do modelo proposto, foram realizados testes com dados coletados da rede da Universidade Estadual de Londrina Os resultados obtidos se mostraram promissores em diferentes cenários apresentados
id UEL_b62805f266b0ecf7e55531bbd03b5a17
oai_identifier_str oai:repositorio.uel.br:123456789/10178
network_acronym_str UEL
network_name_str Repositório Institucional da UEL
repository_id_str
spelling Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de redeRedes de computadoresAnomaliasAssinaturas digitaisRedes de computadoresMedidas de segurançaAnomalyDigital signaturesSafety measuresComputer algorithmsTelecommunication trafficComputer networksResumo: As redes deixaram de ser meras ferramentas e tornaram-se parte vital de qualquer empresa, provedor de serviço entre outros elementos Isto torna a atividade de gerenciamento muito importante, uma vez que a saúde financeira e o próprio desenvolvimento das empresas estão conectados através das redes e qualquer interrupção ou falha de serviço acarretam em situações dramáticas Neste cenário, as anomalias são grande geradoras de transtornos para os administratores de redes e oriundas de diversas causas, como falhas de configurações, erros por falha do usuário, erros por falhas de software e/ou hardware ou ataque de agentes maliciosos Para mitigar os erros e falhas, é proposto nesta Dissertação um modelo para detecção de anomalias baseado no algoritmo de clusterização otimizado aplicado aos dados coletados pela ferramenta Gerenciamento de Backbone Automático (GBA) Uma contribuição deste trabalho é o algoritmo de clusterização otimizado, chamado de Algoritmo de Clusterização Firefly Harmonic Este algoritmo é a junção do algoritmo de clusterização, K-Harmonic Means (KHM), com a heurística, Firefly Algorithm Também é apresentado uma descrição de anomalia que utiliza a Assinatura Digital de Segmento de Rede (DSNS) gerado pelo GBA, para criar uma área fixa que determina se o intervalo analisado é anômalo ou não, produzindo um gabarito Para validação do modelo proposto, foram realizados testes com dados coletados da rede da Universidade Estadual de Londrina Os resultados obtidos se mostraram promissores em diferentes cenários apresentadosDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da ComputaçãoAbstract: Nowadays the networks are not just tools and play an important role in enterprises, service providers and others elements The network management gain an important status, once the financial health and the development itself are connected through the networks and any interruption or system failure leads to dramatic situations In this scenario, the anomalies are great problems generators to the network managers and provide from misconfiguration, users failures, software and/or hardware failures or attacks To decrease the number of failures and errors, in this dissertation it is proposed a model for anomaly detection based on optimized clustering algorithm applied to collected data from Automatic Backbone Management (GBA) tool A contribution of this work is the optimized clustering algorithm, named Firefly Harmonic Clustering Algorithm (FHCA) This algorithm is the joint K-Harmonic Means and the heuristic Firefly Algorithm It is proposed an anomaly description which is built from a Digital Signatureof Network Segment (DSNS) generated by GBA tool The anomaly description creates a fixed area that determines if an analysed interval will be consider an anomaly or not, originating a template To evaluate the model, tests have been carried out using real data collected from the State University of Londrina The obtained results have shown promising in different scenarios presentedProença Junior, Mário Lemes [Orientador]Lima, José Valdeni deBrancher, Jacques DuílioAbrão, TaufikAdaniya, Mario Henrique Akihiko da Costa2024-05-01T12:40:03Z2024-05-01T12:40:03Z2012.0015.02.2012info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.uel.br/handle/123456789/10178porMestradoCiência da ComputaçãoCentro de Ciências ExatasPrograma de Pós-Graduação em Ciência da ComputaçãoLondrinareponame:Repositório Institucional da UELinstname:Universidade Estadual de Londrina (UEL)instacron:UELinfo:eu-repo/semantics/openAccess2024-07-12T04:20:02Zoai:repositorio.uel.br:123456789/10178Biblioteca Digital de Teses e Dissertaçõeshttp://www.bibliotecadigital.uel.br/PUBhttp://www.bibliotecadigital.uel.br/OAI/oai2.phpbcuel@uel.br||opendoar:2024-07-12T04:20:02Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)false
dc.title.none.fl_str_mv Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de rede
title Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de rede
spellingShingle Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de rede
Adaniya, Mario Henrique Akihiko da Costa
Redes de computadores
Anomalias
Assinaturas digitais
Redes de computadores
Medidas de segurança
Anomaly
Digital signatures
Safety measures
Computer algorithms
Telecommunication traffic
Computer networks
title_short Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de rede
title_full Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de rede
title_fullStr Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de rede
title_full_unstemmed Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de rede
title_sort Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de rede
author Adaniya, Mario Henrique Akihiko da Costa
author_facet Adaniya, Mario Henrique Akihiko da Costa
author_role author
dc.contributor.none.fl_str_mv Proença Junior, Mário Lemes [Orientador]
Lima, José Valdeni de
Brancher, Jacques Duílio
Abrão, Taufik
dc.contributor.author.fl_str_mv Adaniya, Mario Henrique Akihiko da Costa
dc.subject.por.fl_str_mv Redes de computadores
Anomalias
Assinaturas digitais
Redes de computadores
Medidas de segurança
Anomaly
Digital signatures
Safety measures
Computer algorithms
Telecommunication traffic
Computer networks
topic Redes de computadores
Anomalias
Assinaturas digitais
Redes de computadores
Medidas de segurança
Anomaly
Digital signatures
Safety measures
Computer algorithms
Telecommunication traffic
Computer networks
description Resumo: As redes deixaram de ser meras ferramentas e tornaram-se parte vital de qualquer empresa, provedor de serviço entre outros elementos Isto torna a atividade de gerenciamento muito importante, uma vez que a saúde financeira e o próprio desenvolvimento das empresas estão conectados através das redes e qualquer interrupção ou falha de serviço acarretam em situações dramáticas Neste cenário, as anomalias são grande geradoras de transtornos para os administratores de redes e oriundas de diversas causas, como falhas de configurações, erros por falha do usuário, erros por falhas de software e/ou hardware ou ataque de agentes maliciosos Para mitigar os erros e falhas, é proposto nesta Dissertação um modelo para detecção de anomalias baseado no algoritmo de clusterização otimizado aplicado aos dados coletados pela ferramenta Gerenciamento de Backbone Automático (GBA) Uma contribuição deste trabalho é o algoritmo de clusterização otimizado, chamado de Algoritmo de Clusterização Firefly Harmonic Este algoritmo é a junção do algoritmo de clusterização, K-Harmonic Means (KHM), com a heurística, Firefly Algorithm Também é apresentado uma descrição de anomalia que utiliza a Assinatura Digital de Segmento de Rede (DSNS) gerado pelo GBA, para criar uma área fixa que determina se o intervalo analisado é anômalo ou não, produzindo um gabarito Para validação do modelo proposto, foram realizados testes com dados coletados da rede da Universidade Estadual de Londrina Os resultados obtidos se mostraram promissores em diferentes cenários apresentados
publishDate 2024
dc.date.none.fl_str_mv 15.02.2012
2012.00
2024-05-01T12:40:03Z
2024-05-01T12:40:03Z
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 https://repositorio.uel.br/handle/123456789/10178
url https://repositorio.uel.br/handle/123456789/10178
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Mestrado
Ciência da Computação
Centro de Ciências Exatas
Programa de Pós-Graduação em Ciência da Computação
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.coverage.none.fl_str_mv Londrina
dc.source.none.fl_str_mv reponame:Repositório Institucional da UEL
instname:Universidade Estadual de Londrina (UEL)
instacron:UEL
instname_str Universidade Estadual de Londrina (UEL)
instacron_str UEL
institution UEL
reponame_str Repositório Institucional da UEL
collection Repositório Institucional da UEL
repository.name.fl_str_mv Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)
repository.mail.fl_str_mv bcuel@uel.br||
_version_ 1809823277248413696

Registros relacionados