Análise do desempenho de honeypots e algoritmos de aprendizado de máquina em tarefas de detecção de intrusão

• Autor(a) principal: Camilo, Renato Leite
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: https://hdl.handle.net/11449/251496
• topic: Cibersegurança; Ciberataques; Honeypot; Aprendizado de Máquina; Clusterização; Cybersecurity; Cyberattacks; Machine learning; Clustering

A cibersegurança é uma área de grande interesse na computação. A capacidade de detectar e lidar com invasores em ambientes digitais é uma preocupação para muitas pessoas e empresas. Em contrapartida, os mecanismos que proporcionam essa capacidade nem sempre são totalmente confiáveis, falhando em algumas ocasiões e causando prejuízos inimagináveis para seus usuários. Como resolução para esse problema, muito se propõe o uso de aprendizado de máquina. Esse projeto emprega dois algoritmos de clusterização: K-Means e DBSCAN. O objetivo é analisar seu impacto quando usados em conjuntos com outros classificadores baseados em três algoritmos de aprendizado de máquina: Support Vector Machines, Multilayer Perceptron e K-Nearest Neighbors. Além disso, é empregado o conceito de honeypots para analisar sua usabilidade como receptáculo de informações a respeito de ataques para providenciar dados aos modelos preditivos. Tudo que chega a um honeypot é considerado um ataque e esse tipo de informação pode ser aproveitado por modelos de aprendizado de máquina.