Implementação e avaliação de um mecanismo de detecção de anomalias em uma ferramenta smart grid

Detalhes bibliográficos
Autor(a) principal: Eitelvein, Luiza
Data de Publicação: 2015
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/138240
Resumo: Smart grids combinam redes de comunicação baseadas em ICT e redes elétricas com o objetivo de fornecer uma distribuição de energia mais eficiente e automatizada, além de permitir a introdução de fontes de produção de energia distribuídas, incluindo fontes renováveis. Sistemas SCADA, responsáveis pelo controle de dispositivos e coleta de informações ao longo de todo o smart grid, permitem o monitoramento em tempo real das informações de produção e consumo de energia. Todavia, esses sistemas estão vulneráveis a ataques cibernéticos, entre outras ameaças. Neste trabalho, apresentamos um Sistema de Detecção de Intrusão, baseado na detecção de anomalias no tráfego de rede, desenvolvido para a ferramenta ASTORIA, que permite a simulação de ambientes smart grid e a definição de ataques. A detecção de anomalias no tráfego é realizada através do algoritmo OCSVM, escolhido por permitir a classificação em classe única, com conhecimento apenas do tráfego normal da rede. Através dos experimentos realizados, com simulações de cenários de ataques DoS e anomalias no tamanho dos pacotes medidos, verificamos que o sistema proposto é capaz de identificar anomalias no tráfego da rede com uma acurácia superior a 97%, classificando corretamente todas as ocorrências de tráfego anômalo e apresentando uma taxa de até 3% de alarmes falsos.
id UFRGS-2_d85ceb8e97f21a9edfccaf4a647ad699
oai_identifier_str oai:www.lume.ufrgs.br:10183/138240
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Eitelvein, LuizaSchaeffer Filho, Alberto Egon2016-04-14T02:07:26Z2015http://hdl.handle.net/10183/138240000988871Smart grids combinam redes de comunicação baseadas em ICT e redes elétricas com o objetivo de fornecer uma distribuição de energia mais eficiente e automatizada, além de permitir a introdução de fontes de produção de energia distribuídas, incluindo fontes renováveis. Sistemas SCADA, responsáveis pelo controle de dispositivos e coleta de informações ao longo de todo o smart grid, permitem o monitoramento em tempo real das informações de produção e consumo de energia. Todavia, esses sistemas estão vulneráveis a ataques cibernéticos, entre outras ameaças. Neste trabalho, apresentamos um Sistema de Detecção de Intrusão, baseado na detecção de anomalias no tráfego de rede, desenvolvido para a ferramenta ASTORIA, que permite a simulação de ambientes smart grid e a definição de ataques. A detecção de anomalias no tráfego é realizada através do algoritmo OCSVM, escolhido por permitir a classificação em classe única, com conhecimento apenas do tráfego normal da rede. Através dos experimentos realizados, com simulações de cenários de ataques DoS e anomalias no tamanho dos pacotes medidos, verificamos que o sistema proposto é capaz de identificar anomalias no tráfego da rede com uma acurácia superior a 97%, classificando corretamente todas as ocorrências de tráfego anômalo e apresentando uma taxa de até 3% de alarmes falsos.Smart grids combine ICT based communication networks and electric grids with the goal of providing a more efficient and automatized energy distribution, besides allowing the introduction of distributed energy production sources, including renewable sources. SCADA systems, responsible for controlling devices and collecting information in the smart grid, allow real time monitoring of the energy production and consumption information. However, these systems are vulnerable to cyber attacks, among other threats. In this work, we present an Intrusion Detection System, based on network traffic anomaly detection, developed for the ASTORIA toolset, which allows the simulation of smart grid environments and the definition of attacks. The anomaly detection in the network traffic is performed by the OCSVM algorithm, which was chosen because it allows one class classification, only with knowledge of normal network traffic data. Through experiments we performed, using simulation scenarios containing DoS attacks and anomalies in the size of the measured packets, we verified that the proposed system is capable of identifying anomalies in the network traffic with an accuracy greater than 97%, correctly classifying all the occurrences of anomalous traffic and presenting a false alarm rate of up to 3%.application/pdfporSeguranca : ComputadoresTolerancia : FalhasSmart gridSCADASecurityIntrusion detectionAnomaly detectionOCSVMImplementação e avaliação de um mecanismo de detecção de anomalias em uma ferramenta smart gridImplementation and evaluation of an anomaly detection mechanism in a smart grid tool info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de InformáticaPorto Alegre, BR-RS2015Ciência 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:UFRGSORIGINAL000988871.pdf000988871.pdfTexto completoapplication/pdf1879087http://www.lume.ufrgs.br/bitstream/10183/138240/1/000988871.pdf0390ab5ea050bb76a2e4350b11082e4fMD51TEXT000988871.pdf.txt000988871.pdf.txtExtracted Texttext/plain107441http://www.lume.ufrgs.br/bitstream/10183/138240/2/000988871.pdf.txt84a74a6149c7777fc93ad1b305c59e92MD52THUMBNAIL000988871.pdf.jpg000988871.pdf.jpgGenerated Thumbnailimage/jpeg1122http://www.lume.ufrgs.br/bitstream/10183/138240/3/000988871.pdf.jpgba2fe53c7e703427ef09ef88b8ee38d0MD5310183/1382402018-10-23 08:34:05.641oai:www.lume.ufrgs.br:10183/138240Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-23T11:34:05Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Implementação e avaliação de um mecanismo de detecção de anomalias em uma ferramenta smart grid
dc.title.alternative.en.fl_str_mv Implementation and evaluation of an anomaly detection mechanism in a smart grid tool
title Implementação e avaliação de um mecanismo de detecção de anomalias em uma ferramenta smart grid
spellingShingle Implementação e avaliação de um mecanismo de detecção de anomalias em uma ferramenta smart grid
Eitelvein, Luiza
Seguranca : Computadores
Tolerancia : Falhas
Smart grid
SCADA
Security
Intrusion detection
Anomaly detection
OCSVM
title_short Implementação e avaliação de um mecanismo de detecção de anomalias em uma ferramenta smart grid
title_full Implementação e avaliação de um mecanismo de detecção de anomalias em uma ferramenta smart grid
title_fullStr Implementação e avaliação de um mecanismo de detecção de anomalias em uma ferramenta smart grid
title_full_unstemmed Implementação e avaliação de um mecanismo de detecção de anomalias em uma ferramenta smart grid
title_sort Implementação e avaliação de um mecanismo de detecção de anomalias em uma ferramenta smart grid
author Eitelvein, Luiza
author_facet Eitelvein, Luiza
author_role author
dc.contributor.author.fl_str_mv Eitelvein, Luiza
dc.contributor.advisor1.fl_str_mv Schaeffer Filho, Alberto Egon
contributor_str_mv Schaeffer Filho, Alberto Egon
dc.subject.por.fl_str_mv Seguranca : Computadores
Tolerancia : Falhas
topic Seguranca : Computadores
Tolerancia : Falhas
Smart grid
SCADA
Security
Intrusion detection
Anomaly detection
OCSVM
dc.subject.eng.fl_str_mv Smart grid
SCADA
Security
Intrusion detection
Anomaly detection
OCSVM
description Smart grids combinam redes de comunicação baseadas em ICT e redes elétricas com o objetivo de fornecer uma distribuição de energia mais eficiente e automatizada, além de permitir a introdução de fontes de produção de energia distribuídas, incluindo fontes renováveis. Sistemas SCADA, responsáveis pelo controle de dispositivos e coleta de informações ao longo de todo o smart grid, permitem o monitoramento em tempo real das informações de produção e consumo de energia. Todavia, esses sistemas estão vulneráveis a ataques cibernéticos, entre outras ameaças. Neste trabalho, apresentamos um Sistema de Detecção de Intrusão, baseado na detecção de anomalias no tráfego de rede, desenvolvido para a ferramenta ASTORIA, que permite a simulação de ambientes smart grid e a definição de ataques. A detecção de anomalias no tráfego é realizada através do algoritmo OCSVM, escolhido por permitir a classificação em classe única, com conhecimento apenas do tráfego normal da rede. Através dos experimentos realizados, com simulações de cenários de ataques DoS e anomalias no tamanho dos pacotes medidos, verificamos que o sistema proposto é capaz de identificar anomalias no tráfego da rede com uma acurácia superior a 97%, classificando corretamente todas as ocorrências de tráfego anômalo e apresentando uma taxa de até 3% de alarmes falsos.
publishDate 2015
dc.date.issued.fl_str_mv 2015
dc.date.accessioned.fl_str_mv 2016-04-14T02:07:26Z
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/10183/138240
dc.identifier.nrb.pt_BR.fl_str_mv 000988871
url http://hdl.handle.net/10183/138240
identifier_str_mv 000988871
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/10183/138240/1/000988871.pdf
http://www.lume.ufrgs.br/bitstream/10183/138240/2/000988871.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/138240/3/000988871.pdf.jpg
bitstream.checksum.fl_str_mv 0390ab5ea050bb76a2e4350b11082e4f
84a74a6149c7777fc93ad1b305c59e92
ba2fe53c7e703427ef09ef88b8ee38d0
bitstream.checksumAlgorithm.fl_str_mv MD5
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_ 1815447169119813632

Registros relacionados