Detecção de anomalias baseada em logs de acesso

Detalhes bibliográficos
Autor(a) principal: Trindade, Pedro Ceriotti
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/253170
Resumo: Ataques direcionados a sistemas web mudam sua forma com muita frequência. Conforme novas vulnerabilidades de aplicações, bibliotecas, ou sistemas operacionais são descobertas, novos ataques surgem e nem sempre ferramentas de detecção de intrusão conseguem se manter suficientemente atualizadas para combatê-los. Este trabalho propõe um sistema de detecção de ataques web com capacidade de detectar ataques zero-day baseado na aplicação de machine learning em logs de acesso http. Obtendo uma métrica f1 de 0.82, o sistema propõe, ainda, um método para aplicar conceitos de explicabilidade a fim de justificar as classificações feitas.
id UFRGS-2_28273cb572932c60eebd05672d8c0f5f
oai_identifier_str oai:www.lume.ufrgs.br:10183/253170
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Trindade, Pedro CeriottiNobre, Jéferson Campos2022-12-24T05:05:30Z2022http://hdl.handle.net/10183/253170001154636Ataques direcionados a sistemas web mudam sua forma com muita frequência. Conforme novas vulnerabilidades de aplicações, bibliotecas, ou sistemas operacionais são descobertas, novos ataques surgem e nem sempre ferramentas de detecção de intrusão conseguem se manter suficientemente atualizadas para combatê-los. Este trabalho propõe um sistema de detecção de ataques web com capacidade de detectar ataques zero-day baseado na aplicação de machine learning em logs de acesso http. Obtendo uma métrica f1 de 0.82, o sistema propõe, ainda, um método para aplicar conceitos de explicabilidade a fim de justificar as classificações feitas.Attacks targeting web systems change their form very often. As new vulnerabilities in applications, libraries, or operating systems are discovered, new attacks emerge and in trusion detection tools are not always able to keep sufficiently updated to combat them. This work proposes a web attack detection system capable of detecting zero-day attacks based on the application of machine learning in http access logs. Obtaining an f1 metric of 0.82, the system also proposes a method to apply explainability concepts in order to justify the classifications made.application/pdfporDetecção : IntrusãoSeguranca : Redes : ComputadoresAtaques cibernéticosHTTP LogsAnomaly detectionDetecção de anomalias baseada em logs de acessoAccess log based anomaly detection info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2022Ciência da Computação: Ênfase em Ciência da Computação: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001154636.pdf.txt001154636.pdf.txtExtracted Texttext/plain75111http://www.lume.ufrgs.br/bitstream/10183/253170/2/001154636.pdf.txtcc198ec384e47c98023ea4638bc3e04bMD52ORIGINAL001154636.pdfTexto completoapplication/pdf1251425http://www.lume.ufrgs.br/bitstream/10183/253170/1/001154636.pdf97ae59699a21a4878e493d87aee614d9MD5110183/2531702022-12-25 05:56:59.232665oai:www.lume.ufrgs.br:10183/253170Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2022-12-25T07:56:59Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Detecção de anomalias baseada em logs de acesso
dc.title.alternative.en.fl_str_mv Access log based anomaly detection
title Detecção de anomalias baseada em logs de acesso
spellingShingle Detecção de anomalias baseada em logs de acesso
Trindade, Pedro Ceriotti
Detecção : Intrusão
Seguranca : Redes : Computadores
Ataques cibernéticos
HTTP Logs
Anomaly detection
title_short Detecção de anomalias baseada em logs de acesso
title_full Detecção de anomalias baseada em logs de acesso
title_fullStr Detecção de anomalias baseada em logs de acesso
title_full_unstemmed Detecção de anomalias baseada em logs de acesso
title_sort Detecção de anomalias baseada em logs de acesso
author Trindade, Pedro Ceriotti
author_facet Trindade, Pedro Ceriotti
author_role author
dc.contributor.author.fl_str_mv Trindade, Pedro Ceriotti
dc.contributor.advisor1.fl_str_mv Nobre, Jéferson Campos
contributor_str_mv Nobre, Jéferson Campos
dc.subject.por.fl_str_mv Detecção : Intrusão
Seguranca : Redes : Computadores
Ataques cibernéticos
topic Detecção : Intrusão
Seguranca : Redes : Computadores
Ataques cibernéticos
HTTP Logs
Anomaly detection
dc.subject.eng.fl_str_mv HTTP Logs
Anomaly detection
description Ataques direcionados a sistemas web mudam sua forma com muita frequência. Conforme novas vulnerabilidades de aplicações, bibliotecas, ou sistemas operacionais são descobertas, novos ataques surgem e nem sempre ferramentas de detecção de intrusão conseguem se manter suficientemente atualizadas para combatê-los. Este trabalho propõe um sistema de detecção de ataques web com capacidade de detectar ataques zero-day baseado na aplicação de machine learning em logs de acesso http. Obtendo uma métrica f1 de 0.82, o sistema propõe, ainda, um método para aplicar conceitos de explicabilidade a fim de justificar as classificações feitas.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-12-24T05:05:30Z
dc.date.issued.fl_str_mv 2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/253170
dc.identifier.nrb.pt_BR.fl_str_mv 001154636
url http://hdl.handle.net/10183/253170
identifier_str_mv 001154636
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 Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/253170/2/001154636.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/253170/1/001154636.pdf
bitstream.checksum.fl_str_mv cc198ec384e47c98023ea4638bc3e04b
97ae59699a21a4878e493d87aee614d9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224647830667264

Registros relacionados