Sobre detecção de intrusão com aprendizado de máquina: estudo da aplicação de Ensemble Learning e clusterização na melhoria de desempenho
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/239049 |
Resumo: | Sistemas de detecção de intrusão em redes de computadores têm uma grande importância na manutenção da segurança de uma rede e são foco constante de pesquisas que buscam aprimorar IDSs já existentes ou desenvolver novos ainda melhores. Este trabalho apresenta um estudo dos modelos de aprendizado de máquina autoencoder e Restricted Boltzmann Machine, comprovadamente efetivos na detecção de intrusão. Os modelos são comparados e busca-se melhorá-los por meio da aplicação de técnicas de clusterização e ensemble learning (majority-voting). As métricas mostraram-se pouco afetadas pela aplicação das técnicas de melhoria individualmente, mas bons resultados foram obtidos ao combiná-las, alçando 84,71% de acurácia e 91,31% F1-score no dataset KDD99. |
id |
UNSP_6d6320ccf8a0093e92f22776a141c5b9 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/239049 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Sobre detecção de intrusão com aprendizado de máquina: estudo da aplicação de Ensemble Learning e clusterização na melhoria de desempenhoOn intrusion detection with machine learning: studying the application of Ensemble Learning and clustering in performance improvementSistema de detecção de intrusãoAprendizado de máquinaRedes de computadoresIntrusion detection systemsMachine learningComputer networksSistemas de detecção de intrusão em redes de computadores têm uma grande importância na manutenção da segurança de uma rede e são foco constante de pesquisas que buscam aprimorar IDSs já existentes ou desenvolver novos ainda melhores. Este trabalho apresenta um estudo dos modelos de aprendizado de máquina autoencoder e Restricted Boltzmann Machine, comprovadamente efetivos na detecção de intrusão. Os modelos são comparados e busca-se melhorá-los por meio da aplicação de técnicas de clusterização e ensemble learning (majority-voting). As métricas mostraram-se pouco afetadas pela aplicação das técnicas de melhoria individualmente, mas bons resultados foram obtidos ao combiná-las, alçando 84,71% de acurácia e 91,31% F1-score no dataset KDD99.Intrusion detection systems in computer networks are of great importance in maintaining the security of a network and are a constant focus of research that seeks to improve existing IDSs or develop even better ones. This work presents a study of the autoencoder and Restricted Boltzmann Machine machine learning models, proven effective in intrusion detection. The models are compared, and an attempt is made to improve them by applying clustering techniques and ensemble learning (majority voting). The metrics were little affected by the application of improvement techniques individually, but good results were obtained when combining them, reaching 84.71% accuracy and 91.31% F1-score on the KDD99 dataset.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Costa, Kelton Augusto Pontara da [UNESP]Universidade Estadual Paulista (Unesp)Figueiredo, Inaê Soares de2023-01-27T13:05:41Z2023-01-27T13:05:41Z2023-01-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/239049porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-12-05T06:18:45Zoai:repositorio.unesp.br:11449/239049Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T19:33:19.648518Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Sobre detecção de intrusão com aprendizado de máquina: estudo da aplicação de Ensemble Learning e clusterização na melhoria de desempenho On intrusion detection with machine learning: studying the application of Ensemble Learning and clustering in performance improvement |
title |
Sobre detecção de intrusão com aprendizado de máquina: estudo da aplicação de Ensemble Learning e clusterização na melhoria de desempenho |
spellingShingle |
Sobre detecção de intrusão com aprendizado de máquina: estudo da aplicação de Ensemble Learning e clusterização na melhoria de desempenho Figueiredo, Inaê Soares de Sistema de detecção de intrusão Aprendizado de máquina Redes de computadores Intrusion detection systems Machine learning Computer networks |
title_short |
Sobre detecção de intrusão com aprendizado de máquina: estudo da aplicação de Ensemble Learning e clusterização na melhoria de desempenho |
title_full |
Sobre detecção de intrusão com aprendizado de máquina: estudo da aplicação de Ensemble Learning e clusterização na melhoria de desempenho |
title_fullStr |
Sobre detecção de intrusão com aprendizado de máquina: estudo da aplicação de Ensemble Learning e clusterização na melhoria de desempenho |
title_full_unstemmed |
Sobre detecção de intrusão com aprendizado de máquina: estudo da aplicação de Ensemble Learning e clusterização na melhoria de desempenho |
title_sort |
Sobre detecção de intrusão com aprendizado de máquina: estudo da aplicação de Ensemble Learning e clusterização na melhoria de desempenho |
author |
Figueiredo, Inaê Soares de |
author_facet |
Figueiredo, Inaê Soares de |
author_role |
author |
dc.contributor.none.fl_str_mv |
Costa, Kelton Augusto Pontara da [UNESP] Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Figueiredo, Inaê Soares de |
dc.subject.por.fl_str_mv |
Sistema de detecção de intrusão Aprendizado de máquina Redes de computadores Intrusion detection systems Machine learning Computer networks |
topic |
Sistema de detecção de intrusão Aprendizado de máquina Redes de computadores Intrusion detection systems Machine learning Computer networks |
description |
Sistemas de detecção de intrusão em redes de computadores têm uma grande importância na manutenção da segurança de uma rede e são foco constante de pesquisas que buscam aprimorar IDSs já existentes ou desenvolver novos ainda melhores. Este trabalho apresenta um estudo dos modelos de aprendizado de máquina autoencoder e Restricted Boltzmann Machine, comprovadamente efetivos na detecção de intrusão. Os modelos são comparados e busca-se melhorá-los por meio da aplicação de técnicas de clusterização e ensemble learning (majority-voting). As métricas mostraram-se pouco afetadas pela aplicação das técnicas de melhoria individualmente, mas bons resultados foram obtidos ao combiná-las, alçando 84,71% de acurácia e 91,31% F1-score no dataset KDD99. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-01-27T13:05:41Z 2023-01-27T13:05:41Z 2023-01-19 |
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/11449/239049 |
url |
http://hdl.handle.net/11449/239049 |
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.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808129086067834880 |