Aplicação de machine learning para detecção de anomalias em rede SCADA
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
Texto Completo: | http://repositorio.utfpr.edu.br/jspui/handle/1/29374 |
Resumo: | Os sistemas SCADA são importantes em processos industriais. No princípio, esses sistemas eram isolados e sem conectividade externa. Atualmente, os modelos de sistemas SCADA baseiam-se em conectividade e em sistemas abertos e estão sendo conectados às intranets corporativas e à Internet visando o aumento da eficiência e da produtividade. Essa integração com a internet acarretou múltiplos problemas relacionados com segurança. Entretanto, sistemas para detecções destas anomalias podem ser capazes de detectar possíveis ataques enviados a esses sistemas. O monitoramento dessas redes de forma automática se faz cada vez mais necessária utilizando ferramentas de machine learning para que o modelo possa ir se adaptando as novas configurações da rede. |
id |
UTFPR-12_db96a30d0118495c18c8b753a733765e |
---|---|
oai_identifier_str |
oai:repositorio.utfpr.edu.br:1/29374 |
network_acronym_str |
UTFPR-12 |
network_name_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
repository_id_str |
|
spelling |
2022-08-23T16:59:28Z2022-08-23T16:59:28Z2020-02-08SILVA, Jefferson Medeiros da. Aplicação de machine learning para detecção de anomalias em rede SCADA. 2020. Trabalho de Conclusão de Curso de Especialização (Indústria 4.0) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2020.http://repositorio.utfpr.edu.br/jspui/handle/1/29374Os sistemas SCADA são importantes em processos industriais. No princípio, esses sistemas eram isolados e sem conectividade externa. Atualmente, os modelos de sistemas SCADA baseiam-se em conectividade e em sistemas abertos e estão sendo conectados às intranets corporativas e à Internet visando o aumento da eficiência e da produtividade. Essa integração com a internet acarretou múltiplos problemas relacionados com segurança. Entretanto, sistemas para detecções destas anomalias podem ser capazes de detectar possíveis ataques enviados a esses sistemas. O monitoramento dessas redes de forma automática se faz cada vez mais necessária utilizando ferramentas de machine learning para que o modelo possa ir se adaptando as novas configurações da rede.SCADA plays an important role into industrial process. In the beginning, these systems were standalone models, with closed architectures and no external connectivity. Nowadays, SCADA needs connectivity and open systems and are connecting to corporate intranets and to the Internet for improve efficiency and productivity. This integration with the internet has brought several security issues. However, anomaly detection systems would be able to detect possible attacks on those systems, The monitoring of these networks automatically becomes increasingly necessary using machine learning tools so that the model can adapt to the new network configurations.porUniversidade Tecnológica Federal do ParanáPonta GrossaIndústria 4.0UTFPRBrasilCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAOAprendizado do computadorSegurança de sistemasTeste de invasão (Medidas de segurança para computadores)Conectividade (Computadores)Machine learningSystem safetyPenetration testing (Computer security)Connection machinesAplicação de machine learning para detecção de anomalias em rede SCADAMachine learning application for anomaly detection in SCADA networkinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisPonta GrossaYoshino, Rui TadashiYoshino, Rui TadashiCarvalho, Marcelo Vasconcelos deTreinta, Fernanda TavaresSilva, Jefferson Medeiros dainfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))instname:Universidade Tecnológica Federal do Paraná (UTFPR)instacron:UTFPRLICENSElicense.txtlicense.txttext/plain; charset=utf-81290http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/29374/4/license.txtb9d82215ab23456fa2d8b49c5df1b95bMD54ORIGINALmachinelearninganomaliasscada.pdfmachinelearninganomaliasscada.pdfapplication/pdf1921353http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/29374/3/machinelearninganomaliasscada.pdffd598c44bb7a01bfd998b13c7c99a793MD53TEXTmachinelearninganomaliasscada.pdf.txtmachinelearninganomaliasscada.pdf.txtExtracted texttext/plain21737http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/29374/5/machinelearninganomaliasscada.pdf.txtd47074ef60d73e4834142bf9ed6ab616MD55THUMBNAILmachinelearninganomaliasscada.pdf.jpgmachinelearninganomaliasscada.pdf.jpgGenerated Thumbnailimage/jpeg1327http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/29374/6/machinelearninganomaliasscada.pdf.jpg875a28732280b939b6ae4e342d46a70cMD561/293742022-08-24 03:07:21.88oai:repositorio.utfpr.edu.br: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ório de PublicaçõesPUBhttp://repositorio.utfpr.edu.br:8080/oai/requestopendoar:2022-08-24T06:07:21Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR)false |
dc.title.pt_BR.fl_str_mv |
Aplicação de machine learning para detecção de anomalias em rede SCADA |
dc.title.alternative.pt_BR.fl_str_mv |
Machine learning application for anomaly detection in SCADA network |
title |
Aplicação de machine learning para detecção de anomalias em rede SCADA |
spellingShingle |
Aplicação de machine learning para detecção de anomalias em rede SCADA Silva, Jefferson Medeiros da CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO Aprendizado do computador Segurança de sistemas Teste de invasão (Medidas de segurança para computadores) Conectividade (Computadores) Machine learning System safety Penetration testing (Computer security) Connection machines |
title_short |
Aplicação de machine learning para detecção de anomalias em rede SCADA |
title_full |
Aplicação de machine learning para detecção de anomalias em rede SCADA |
title_fullStr |
Aplicação de machine learning para detecção de anomalias em rede SCADA |
title_full_unstemmed |
Aplicação de machine learning para detecção de anomalias em rede SCADA |
title_sort |
Aplicação de machine learning para detecção de anomalias em rede SCADA |
author |
Silva, Jefferson Medeiros da |
author_facet |
Silva, Jefferson Medeiros da |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Yoshino, Rui Tadashi |
dc.contributor.referee1.fl_str_mv |
Yoshino, Rui Tadashi |
dc.contributor.referee2.fl_str_mv |
Carvalho, Marcelo Vasconcelos de |
dc.contributor.referee3.fl_str_mv |
Treinta, Fernanda Tavares |
dc.contributor.author.fl_str_mv |
Silva, Jefferson Medeiros da |
contributor_str_mv |
Yoshino, Rui Tadashi Yoshino, Rui Tadashi Carvalho, Marcelo Vasconcelos de Treinta, Fernanda Tavares |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO Aprendizado do computador Segurança de sistemas Teste de invasão (Medidas de segurança para computadores) Conectividade (Computadores) Machine learning System safety Penetration testing (Computer security) Connection machines |
dc.subject.por.fl_str_mv |
Aprendizado do computador Segurança de sistemas Teste de invasão (Medidas de segurança para computadores) Conectividade (Computadores) Machine learning System safety Penetration testing (Computer security) Connection machines |
description |
Os sistemas SCADA são importantes em processos industriais. No princípio, esses sistemas eram isolados e sem conectividade externa. Atualmente, os modelos de sistemas SCADA baseiam-se em conectividade e em sistemas abertos e estão sendo conectados às intranets corporativas e à Internet visando o aumento da eficiência e da produtividade. Essa integração com a internet acarretou múltiplos problemas relacionados com segurança. Entretanto, sistemas para detecções destas anomalias podem ser capazes de detectar possíveis ataques enviados a esses sistemas. O monitoramento dessas redes de forma automática se faz cada vez mais necessária utilizando ferramentas de machine learning para que o modelo possa ir se adaptando as novas configurações da rede. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-02-08 |
dc.date.accessioned.fl_str_mv |
2022-08-23T16:59:28Z |
dc.date.available.fl_str_mv |
2022-08-23T16:59:28Z |
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.citation.fl_str_mv |
SILVA, Jefferson Medeiros da. Aplicação de machine learning para detecção de anomalias em rede SCADA. 2020. Trabalho de Conclusão de Curso de Especialização (Indústria 4.0) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2020. |
dc.identifier.uri.fl_str_mv |
http://repositorio.utfpr.edu.br/jspui/handle/1/29374 |
identifier_str_mv |
SILVA, Jefferson Medeiros da. Aplicação de machine learning para detecção de anomalias em rede SCADA. 2020. Trabalho de Conclusão de Curso de Especialização (Indústria 4.0) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2020. |
url |
http://repositorio.utfpr.edu.br/jspui/handle/1/29374 |
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.publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Ponta Grossa |
dc.publisher.program.fl_str_mv |
Indústria 4.0 |
dc.publisher.initials.fl_str_mv |
UTFPR |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Tecnológica Federal do Paraná Ponta Grossa |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) instname:Universidade Tecnológica Federal do Paraná (UTFPR) instacron:UTFPR |
instname_str |
Universidade Tecnológica Federal do Paraná (UTFPR) |
instacron_str |
UTFPR |
institution |
UTFPR |
reponame_str |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
collection |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) |
bitstream.url.fl_str_mv |
http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/29374/4/license.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/29374/3/machinelearninganomaliasscada.pdf http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/29374/5/machinelearninganomaliasscada.pdf.txt http://repositorio.utfpr.edu.br:8080/jspui/bitstream/1/29374/6/machinelearninganomaliasscada.pdf.jpg |
bitstream.checksum.fl_str_mv |
b9d82215ab23456fa2d8b49c5df1b95b fd598c44bb7a01bfd998b13c7c99a793 d47074ef60d73e4834142bf9ed6ab616 875a28732280b939b6ae4e342d46a70c |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT)) - Universidade Tecnológica Federal do Paraná (UTFPR) |
repository.mail.fl_str_mv |
|
_version_ |
1805922925300154368 |