Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/33882 http://doi.org/10.14393/ufu.di.2021.634 |
Resumo: | Os Sistemas de Detecção de Intrusão (IDS) auxiliam na proteção das redes de computadores, pois identificam e detectam tentativas de obter acesso não autorizado aos dados, inspecionando pacotes individualmente ou no contexto de fluxos. Considerando que o processo de detecção de intrusão é uma tarefa de classificação de um fluxo de pacotes gerados continuamente em uma distribuição não-estacionária, os modelos de decisão devem sofrer atualizações a fim de identificar mudanças no comportamento dos ataques e do tráfego normal da rede. A atualização dos modelos, em geral, requer instâncias rotuladas, o que exige grande esforço de especialistas. Este trabalho contribuiu com o desenvolvimento de um IDS para o mundo real, propondo: i) comparar o uso de pacotes individuais e fluxos de pacotes na tarefa de detecção de intrusão, por meio da análise do desempenho preditivo de classificadores de fluxos contínuo de dados construídos a partir desses dois tipos de dados; ii) analisar o impacto no desempenho dos classificadores quando há atraso na entrega dos rótulos das instâncias para atualização dos modelos; e iii) avaliar o impacto que as estratégias de aprendizado ativo causam nos classificadores quando somente as melhores instâncias são rotuladas e usadas na atualização dos modelos. Neste sentido, os experimentos foram realizados usando o conjunto de dados CICIDS2017, diferentes algoritmos de classificação de fluxos contínuos de dados e medidas de avaliação. Eles mostraram que inspecionar os pacotes individualmente tem um desempenho semelhante à inspeção de fluxos na detecção de intrusão. De modo que, a partir desse resultado, os pacotes individuais foram usados no estudo de técnicas de aprendizado ativo e atraso na entrega dos rótulos. O desempenho dos classificadores sofreu queda à medida que se aumentava o atraso na entrega dos rótulos verdadeiros. Por fim, as estratégias de aprendizado ativo permitiram manter o desempenho preditivo na classificação de tráfego normal e malicioso, usando um conjunto reduzido de instâncias rotuladas. |
id |
UFU_ab796602da8e213388f1a21f15985733 |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/33882 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
2021-12-30T15:41:07Z2021-12-30T15:41:07Z2021-10-28OLÍMPIO JÚNIOR, Gilberto. Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados. 2021. 126 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI http://doi.org/10.14393/ufu.di.2021.634https://repositorio.ufu.br/handle/123456789/33882http://doi.org/10.14393/ufu.di.2021.634Os Sistemas de Detecção de Intrusão (IDS) auxiliam na proteção das redes de computadores, pois identificam e detectam tentativas de obter acesso não autorizado aos dados, inspecionando pacotes individualmente ou no contexto de fluxos. Considerando que o processo de detecção de intrusão é uma tarefa de classificação de um fluxo de pacotes gerados continuamente em uma distribuição não-estacionária, os modelos de decisão devem sofrer atualizações a fim de identificar mudanças no comportamento dos ataques e do tráfego normal da rede. A atualização dos modelos, em geral, requer instâncias rotuladas, o que exige grande esforço de especialistas. Este trabalho contribuiu com o desenvolvimento de um IDS para o mundo real, propondo: i) comparar o uso de pacotes individuais e fluxos de pacotes na tarefa de detecção de intrusão, por meio da análise do desempenho preditivo de classificadores de fluxos contínuo de dados construídos a partir desses dois tipos de dados; ii) analisar o impacto no desempenho dos classificadores quando há atraso na entrega dos rótulos das instâncias para atualização dos modelos; e iii) avaliar o impacto que as estratégias de aprendizado ativo causam nos classificadores quando somente as melhores instâncias são rotuladas e usadas na atualização dos modelos. Neste sentido, os experimentos foram realizados usando o conjunto de dados CICIDS2017, diferentes algoritmos de classificação de fluxos contínuos de dados e medidas de avaliação. Eles mostraram que inspecionar os pacotes individualmente tem um desempenho semelhante à inspeção de fluxos na detecção de intrusão. De modo que, a partir desse resultado, os pacotes individuais foram usados no estudo de técnicas de aprendizado ativo e atraso na entrega dos rótulos. O desempenho dos classificadores sofreu queda à medida que se aumentava o atraso na entrega dos rótulos verdadeiros. Por fim, as estratégias de aprendizado ativo permitiram manter o desempenho preditivo na classificação de tráfego normal e malicioso, usando um conjunto reduzido de instâncias rotuladas.Intrusion Detection Systems (IDSs) help protect computer networks by identify and detect attempts to obtain unauthorized access to data via computer networks by inspecting packets separately or in the context of flows. Considering that the intrusion detection process is a classification task of continuously stream-generated packets in a non-stationary distribution, security analysis must constantly update decision models to identify changes in attack behaviors and normal traffic of a network. Since improving models usually requires labeled instances, which demands significant effort from security specialists, the purpose of this work is to contribute to the development of real-world IDSs. Therefore, our goal is to: i) compare the use of individual packets and network flows in the intrusion detection task by analyzing the predictive performance of data stream classifiers; ii) analyze the impact of delayed labelling for updating the models on the classifiers’ performance; and iii) evaluate the impact of active learning strategies on the classifiers’ performance. Our experimental evaluation used the CICIDS2017 dataset, different data stream classification algorithms, and five evaluation measures. Experiments have shown packet-based IDSs perform similarly to flow-based IDSs. Based on this result, we studied different active learning techniques to estimate the impact of delayed labelling on packet-based IDSs. The performance of the classifiers is inversely proportional as the label delivery rate. Besides, the active learning strategies helped keep the performance at a satisfactory level, even with a small set of labeled instances.Pesquisa sem auxílio de agências de fomentoDissertação (Mestrado)porUniversidade Federal de UberlândiaPrograma de Pós-graduação em Ciência da ComputaçãoBrasilhttp://creativecommons.org/licenses/by-nd/3.0/us/info:eu-repo/semantics/openAccessCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOComputaçãoFluxo de dados (Computação)Aprendizado do computadorRedes de computadores - Sistemas de segurançaSistemas de Detecção de IntrusãoAprendizado de MáquinaFluxos Contínuos de DadosPacotes de RedeIntrusion Detection SystemsMachine LearningData StreamsPackets HeaderDetecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dadosPacket intrusion detection using data streamsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisMiani, Rodrigo Sancheshttp://lattes.cnpq.br/2992074747740327Camargos, Lasaro Jonashttp://lattes.cnpq.br/4297695725568502Paiva, Elaine Ribeiro de Fariahttp://lattes.cnpq.br/8238524390290386Senger, Hermeshttp://lattes.cnpq.br/3691742159298316Cattelan, Renan Gonçalveshttp://lattes.cnpq.br/3722586963728305http://lattes.cnpq.br/7070394474879667Olímpio Júnior, Gilberto126105533348b1d8567b-5e23-4eb6-ba93-5f7ac9113afdreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFUCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repositorio.ufu.br/bitstream/123456789/33882/2/license_rdf5812a2eee99d5585fc0c26f0033099bbMD52ORIGINALDeteccaoIntrusaoPacotes.pdfDeteccaoIntrusaoPacotes.pdfapplication/pdf18975961https://repositorio.ufu.br/bitstream/123456789/33882/1/DeteccaoIntrusaoPacotes.pdfa03a0da2abe71c5ee00bdee1597ccb2dMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81792https://repositorio.ufu.br/bitstream/123456789/33882/3/license.txt48ded82ce41b8d2426af12aed6b3cbf3MD53TEXTDeteccaoIntrusaoPacotes.pdf.txtDeteccaoIntrusaoPacotes.pdf.txtExtracted texttext/plain233630https://repositorio.ufu.br/bitstream/123456789/33882/4/DeteccaoIntrusaoPacotes.pdf.txt82089e886b1f7516402a133dc9b12f65MD54THUMBNAILDeteccaoIntrusaoPacotes.pdf.jpgDeteccaoIntrusaoPacotes.pdf.jpgGenerated Thumbnailimage/jpeg1358https://repositorio.ufu.br/bitstream/123456789/33882/5/DeteccaoIntrusaoPacotes.pdf.jpg996bd57509b7258da063be0e4c708182MD55123456789/338822022-04-26 09:14:15.175oai:repositorio.ufu.br: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Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2022-04-26T12:14:15Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.pt_BR.fl_str_mv |
Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados |
dc.title.alternative.pt_BR.fl_str_mv |
Packet intrusion detection using data streams |
title |
Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados |
spellingShingle |
Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados Olímpio Júnior, Gilberto CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Sistemas de Detecção de Intrusão Aprendizado de Máquina Fluxos Contínuos de Dados Pacotes de Rede Intrusion Detection Systems Machine Learning Data Streams Packets Header Computação Fluxo de dados (Computação) Aprendizado do computador Redes de computadores - Sistemas de segurança |
title_short |
Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados |
title_full |
Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados |
title_fullStr |
Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados |
title_full_unstemmed |
Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados |
title_sort |
Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados |
author |
Olímpio Júnior, Gilberto |
author_facet |
Olímpio Júnior, Gilberto |
author_role |
author |
dc.contributor.advisor-co1.fl_str_mv |
Miani, Rodrigo Sanches |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/2992074747740327 |
dc.contributor.advisor-co2.fl_str_mv |
Camargos, Lasaro Jonas |
dc.contributor.advisor-co2Lattes.fl_str_mv |
http://lattes.cnpq.br/4297695725568502 |
dc.contributor.advisor1.fl_str_mv |
Paiva, Elaine Ribeiro de Faria |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/8238524390290386 |
dc.contributor.referee1.fl_str_mv |
Senger, Hermes |
dc.contributor.referee1Lattes.fl_str_mv |
http://lattes.cnpq.br/3691742159298316 |
dc.contributor.referee2.fl_str_mv |
Cattelan, Renan Gonçalves |
dc.contributor.referee2Lattes.fl_str_mv |
http://lattes.cnpq.br/3722586963728305 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/7070394474879667 |
dc.contributor.author.fl_str_mv |
Olímpio Júnior, Gilberto |
contributor_str_mv |
Miani, Rodrigo Sanches Camargos, Lasaro Jonas Paiva, Elaine Ribeiro de Faria Senger, Hermes Cattelan, Renan Gonçalves |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO Sistemas de Detecção de Intrusão Aprendizado de Máquina Fluxos Contínuos de Dados Pacotes de Rede Intrusion Detection Systems Machine Learning Data Streams Packets Header Computação Fluxo de dados (Computação) Aprendizado do computador Redes de computadores - Sistemas de segurança |
dc.subject.por.fl_str_mv |
Sistemas de Detecção de Intrusão Aprendizado de Máquina Fluxos Contínuos de Dados Pacotes de Rede Intrusion Detection Systems Machine Learning Data Streams Packets Header |
dc.subject.autorizado.pt_BR.fl_str_mv |
Computação Fluxo de dados (Computação) Aprendizado do computador Redes de computadores - Sistemas de segurança |
description |
Os Sistemas de Detecção de Intrusão (IDS) auxiliam na proteção das redes de computadores, pois identificam e detectam tentativas de obter acesso não autorizado aos dados, inspecionando pacotes individualmente ou no contexto de fluxos. Considerando que o processo de detecção de intrusão é uma tarefa de classificação de um fluxo de pacotes gerados continuamente em uma distribuição não-estacionária, os modelos de decisão devem sofrer atualizações a fim de identificar mudanças no comportamento dos ataques e do tráfego normal da rede. A atualização dos modelos, em geral, requer instâncias rotuladas, o que exige grande esforço de especialistas. Este trabalho contribuiu com o desenvolvimento de um IDS para o mundo real, propondo: i) comparar o uso de pacotes individuais e fluxos de pacotes na tarefa de detecção de intrusão, por meio da análise do desempenho preditivo de classificadores de fluxos contínuo de dados construídos a partir desses dois tipos de dados; ii) analisar o impacto no desempenho dos classificadores quando há atraso na entrega dos rótulos das instâncias para atualização dos modelos; e iii) avaliar o impacto que as estratégias de aprendizado ativo causam nos classificadores quando somente as melhores instâncias são rotuladas e usadas na atualização dos modelos. Neste sentido, os experimentos foram realizados usando o conjunto de dados CICIDS2017, diferentes algoritmos de classificação de fluxos contínuos de dados e medidas de avaliação. Eles mostraram que inspecionar os pacotes individualmente tem um desempenho semelhante à inspeção de fluxos na detecção de intrusão. De modo que, a partir desse resultado, os pacotes individuais foram usados no estudo de técnicas de aprendizado ativo e atraso na entrega dos rótulos. O desempenho dos classificadores sofreu queda à medida que se aumentava o atraso na entrega dos rótulos verdadeiros. Por fim, as estratégias de aprendizado ativo permitiram manter o desempenho preditivo na classificação de tráfego normal e malicioso, usando um conjunto reduzido de instâncias rotuladas. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-12-30T15:41:07Z |
dc.date.available.fl_str_mv |
2021-12-30T15:41:07Z |
dc.date.issued.fl_str_mv |
2021-10-28 |
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.citation.fl_str_mv |
OLÍMPIO JÚNIOR, Gilberto. Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados. 2021. 126 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI http://doi.org/10.14393/ufu.di.2021.634 |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufu.br/handle/123456789/33882 |
dc.identifier.doi.pt_BR.fl_str_mv |
http://doi.org/10.14393/ufu.di.2021.634 |
identifier_str_mv |
OLÍMPIO JÚNIOR, Gilberto. Detecção de intrusão sobre pacotes utilizando algoritmos de fluxos contínuos de dados. 2021. 126 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Uberlândia, Uberlândia, 2021. DOI http://doi.org/10.14393/ufu.di.2021.634 |
url |
https://repositorio.ufu.br/handle/123456789/33882 http://doi.org/10.14393/ufu.di.2021.634 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nd/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nd/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Ciência da Computação |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
bitstream.url.fl_str_mv |
https://repositorio.ufu.br/bitstream/123456789/33882/2/license_rdf https://repositorio.ufu.br/bitstream/123456789/33882/1/DeteccaoIntrusaoPacotes.pdf https://repositorio.ufu.br/bitstream/123456789/33882/3/license.txt https://repositorio.ufu.br/bitstream/123456789/33882/4/DeteccaoIntrusaoPacotes.pdf.txt https://repositorio.ufu.br/bitstream/123456789/33882/5/DeteccaoIntrusaoPacotes.pdf.jpg |
bitstream.checksum.fl_str_mv |
5812a2eee99d5585fc0c26f0033099bb a03a0da2abe71c5ee00bdee1597ccb2d 48ded82ce41b8d2426af12aed6b3cbf3 82089e886b1f7516402a133dc9b12f65 996bd57509b7258da063be0e4c708182 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1802110478940372992 |