Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoT

Detalhes bibliográficos
Autor(a) principal: Oliveira, Vinícius Eduardo
Data de Publicação: 2020
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/218116
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.
id UFSC_fdacfed04630e45ae2c31ae994514679
oai_identifier_str oai:repositorio.ufsc.br:123456789/218116
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoTInternet das CoisasDetecção de IntrusãoClusterizaçãoRedes Neurais ArtificiaisInternet of ThingsIntrusion DetectionClusteringArtificial Neural NetworkTCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.Computação em nuvem (Cloud computing) e a Internet das Coisas (Internet of Things – IoT) são tecnologias emergentes e inovadoras que levaram os sistemas de informações a um nível mais amplo com o rápido compartilhamento de vastos recursos da Web pela Internet. A IoT é um importante paradigma que permite que objetos possam se comunicar e interagir com o ambiente em que estão inseridos, além de realizar tarefas de maneira inteligente sem ser necessário intervenção humana. A IoT geralmente possui recursos restritos. Desse modo, as aplicações normalmente utilizam a computação em nuvem para processar e armazenar as informações capturadas pelos dispositivos IoT. Todavia, a separação dos dispositivos IoT e os datacenters de processamento podem gerar alta latência e instabilidades prejudiciais para dispositivos que trabalham com respostas em tempo real. Utilizando computação em névoa (Fog Computing), consegue-se resolver esses problemas, tendo em vista que o processamento e o armazenamento encontram-se mais próximos dos dispositivos IoT. Existem inúmeros desafios para garantir um ambiente de IoT e Fog Computing ideal, a segurança é um dos maiores. Considerando os aspectos de segurança, a detecção de intrusão é um ponto chave. Este trabalho de conclusão de curso propõe uma abordagem utilizando clusterização e redes neurais artificiais, que opera na Fog Computing, para detectar intrusão em ambiente IoT. Através dos experimentos foi possível verificar que a abordagem proposta com clusterização é capaz de melhorar a eficácia da rede neural na detecção binária e multiclasse.Cloud computing and the Internet of Things (IoT) are emerging and innovative technologies that have taken information systems to a broader level with the rapid sharing of vast web resources over the Internet. IoT is an important paradigm that allows objects to communicate and interact with the environment in which they are inserted, in addition to performing tasks intelligently without the need for human intervention. IoT often has limited resources. In this way, applications typically use cloud computing to process and store information captured by IoT devices. However, the separation of IoT devices and processing data centers can lead to high latency and harmful instabilities for devices that work with real-time responses. Using fog computing, these problems can be solved, considering that processing and storage are closer to IoT devices. There are countless challenges to guarantee an ideal IoT and Fog Computing environment, security is one of the greatest. Considering security aspects, intrusion detection is a key point. This conclusion work proposes an approach using clustering and artificial neural networks, which operates at Fog Computing, to detect intrusion in an IoT environment. Through the experiments it was possible to verify that a proposed approach with clustering is able to improve the efficiency of the neural network in binary and multiclass detection.Florianópolis, SCWestphall, Carlos BeckerSouza, Antônio Cristiano deUniversidade Federal de Santa CatarinaOliveira, Vinícius Eduardo2020-12-07T22:33:34Z2020-12-07T22:33:34Z2020-11-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis82application/pdfhttps://repositorio.ufsc.br/handle/123456789/218116info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2020-12-07T22:33:35Zoai:repositorio.ufsc.br:123456789/218116Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732020-12-07T22:33:35Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoT
title Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoT
spellingShingle Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoT
Oliveira, Vinícius Eduardo
Internet das Coisas
Detecção de Intrusão
Clusterização
Redes Neurais Artificiais
Internet of Things
Intrusion Detection
Clustering
Artificial Neural Network
title_short Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoT
title_full Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoT
title_fullStr Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoT
title_full_unstemmed Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoT
title_sort Abordagem baseada em clusterização e em Redes Neurais Artificiais para detecção de intrusão em ambientes IoT
author Oliveira, Vinícius Eduardo
author_facet Oliveira, Vinícius Eduardo
author_role author
dc.contributor.none.fl_str_mv Westphall, Carlos Becker
Souza, Antônio Cristiano de
Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Oliveira, Vinícius Eduardo
dc.subject.por.fl_str_mv Internet das Coisas
Detecção de Intrusão
Clusterização
Redes Neurais Artificiais
Internet of Things
Intrusion Detection
Clustering
Artificial Neural Network
topic Internet das Coisas
Detecção de Intrusão
Clusterização
Redes Neurais Artificiais
Internet of Things
Intrusion Detection
Clustering
Artificial Neural Network
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação.
publishDate 2020
dc.date.none.fl_str_mv 2020-12-07T22:33:34Z
2020-12-07T22:33:34Z
2020-11-30
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 https://repositorio.ufsc.br/handle/123456789/218116
url https://repositorio.ufsc.br/handle/123456789/218116
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 82
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652169238282241

Registros relacionados