Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias

Detalhes bibliográficos
Autor(a) principal: Canêdo, Daniel Rosa
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: https://repositorio.unb.br/handle/10482/36185
Resumo: Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019.
id UNB_b6da278ab76ce4e28151442636934b71
oai_identifier_str oai:repositorio2.unb.br:10482/36185
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Canêdo, Daniel RosaRomariz, Alexandre Ricardo Soares2020-01-21T21:23:07Z2020-01-21T21:23:07Z2020-01-212019-06-25CANÊDO, Daniel Rosa. Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias. 2019. xiii, 115 f., il. Tese (Doutorado em Engenharia de Sistemas Eletrônicos e Automação)—Universidade de Brasília, Brasília, 2019.https://repositorio.unb.br/handle/10482/36185Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019.O acelerado desenvolvimento tecnológico na infraestrutura de tecnologias móveis. O aumento no uso de redes locais sem fio e o uso de serviços de satélites também são perceptíveis. A alta taxa de utilização de dispositivos móveis para diversos fins traz a necessidade de monitorar as redes sem fio. Com esta quantidade de informações transmitidas em redes sem fio se faz necessário identificar de forma rápida e eficiente o tráfego normal e anormal dessas redes, para que seus administradores possam agir. Esta tese apresenta a proposta de um Sistema de Detecção e Classificação de Intrusão em Redes Sem Fio Ad Hoc local composto de duas etapas, baseado em agrupamento de dados através do algoritmo K-Médias e pela Rede Neural Artificial Multilayer Perceptron, para a detecção e classificação de anomalias causadas por ataques a estas redes. Estas estratégias são baseadas em algoritmos inteligentes, que são capazes de minimizar as dificuldades que administradores possuem em controlar os diversos integrantes destas redes, bem como na identificação de diversas anomalias. Os algoritmos presentes nesta proposta representam técnicas de classificação, as quais possuem a característica de aprendizagem não supervisionada e supervisionada. O sistema proposto organiza os dados da Rede Ad Hoc em 25 clusters em 14,82 segundos através da utilização do K-Médias e possui taxa de classificação de 98,07% utilizando a Rede Neural Multilayer Perceptron, tornando-se viável para o processo de classificação de anomalias em Redes Sem Fio Ad Hoc.The accelerated technological development in the infrastructure of mobile technologies. The increase in the use of wireless local area networks and the use of satellite services are also noticeable. The widespread use of mobile devices for various purposes brings the need to monitor wireless networks. With this amount of information transmitted over wireless networks it is necessary to quickly and efficiently identify the normal and abnormal traffic of these networks so that their administrators can act. This thesis presents the proposal of an Intrusion Detection and Classification System in Local Wireless Ad Hoc Networks composed of two stages, based on data grouping through the K-Means algorithm and the Multilayer Perceptron Artificial Neural Network, for the detection and classification of anomalies caused by attacks on these networks. These strategies are based on intelligent algorithms, which are able to minimize the difficulties that administrators have in controlling the various members of these networks, as well as in the identification of several anomalies. The algorithms present in this proposal represent classification techniques, which have the characteristic of unsupervised and supervised learning. The proposed system organizes the Ad Hoc Network data in 25 clusters in 14.82 seconds using the K-Means and has a classification rate of 98.07% using the Perceptron Multilayer Neural Network, making it feasible for the Anomaly Classification in Ad Hoc Wireless Networks.InglêsporA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessSistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médiasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisRedes neurais (Computação)Redes sem fio ad hocDetecção de intrusãoRedes neurais artificiaisreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINAL2019_DanielRosaCanêdo.pdf2019_DanielRosaCanêdo.pdfapplication/pdf5245050http://repositorio2.unb.br/jspui/bitstream/10482/36185/1/2019_DanielRosaCan%c3%aado.pdf0fb39a1a82fc4c56b8858962349f1d16MD51open accessLICENSElicense.txtlicense.txttext/plain671http://repositorio2.unb.br/jspui/bitstream/10482/36185/2/license.txtbacfee268cc5d4f6aaa2e6e0066d38f5MD52open access10482/361852023-07-21 02:33:55.175open accessoai:repositorio2.unb.br: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Biblioteca Digital de Teses e DissertaçõesPUBhttps://repositorio.unb.br/oai/requestopendoar:2023-07-21T05:33:55Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias
title Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias
spellingShingle Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias
Canêdo, Daniel Rosa
Redes neurais (Computação)
Redes sem fio ad hoc
Detecção de intrusão
Redes neurais artificiais
title_short Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias
title_full Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias
title_fullStr Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias
title_full_unstemmed Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias
title_sort Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias
author Canêdo, Daniel Rosa
author_facet Canêdo, Daniel Rosa
author_role author
dc.contributor.author.fl_str_mv Canêdo, Daniel Rosa
dc.contributor.advisor1.fl_str_mv Romariz, Alexandre Ricardo Soares
contributor_str_mv Romariz, Alexandre Ricardo Soares
dc.subject.keyword.pt_BR.fl_str_mv Redes neurais (Computação)
Redes sem fio ad hoc
Detecção de intrusão
Redes neurais artificiais
topic Redes neurais (Computação)
Redes sem fio ad hoc
Detecção de intrusão
Redes neurais artificiais
description Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2019.
publishDate 2019
dc.date.submitted.none.fl_str_mv 2019-06-25
dc.date.accessioned.fl_str_mv 2020-01-21T21:23:07Z
dc.date.available.fl_str_mv 2020-01-21T21:23:07Z
dc.date.issued.fl_str_mv 2020-01-21
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CANÊDO, Daniel Rosa. Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias. 2019. xiii, 115 f., il. Tese (Doutorado em Engenharia de Sistemas Eletrônicos e Automação)—Universidade de Brasília, Brasília, 2019.
dc.identifier.uri.fl_str_mv https://repositorio.unb.br/handle/10482/36185
identifier_str_mv CANÊDO, Daniel Rosa. Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias. 2019. xiii, 115 f., il. Tese (Doutorado em Engenharia de Sistemas Eletrônicos e Automação)—Universidade de Brasília, Brasília, 2019.
url https://repositorio.unb.br/handle/10482/36185
dc.language.iso.fl_str_mv Inglês
por
language_invalid_str_mv Inglês
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
bitstream.url.fl_str_mv http://repositorio2.unb.br/jspui/bitstream/10482/36185/1/2019_DanielRosaCan%c3%aado.pdf
http://repositorio2.unb.br/jspui/bitstream/10482/36185/2/license.txt
bitstream.checksum.fl_str_mv 0fb39a1a82fc4c56b8858962349f1d16
bacfee268cc5d4f6aaa2e6e0066d38f5
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv
_version_ 1803573596183855104

Registros relacionados