Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/SLSC-BC9F4H
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Italo Fernando Scota Cunha | pt_BR |
dc.contributor.referee1 | José Nagib Cotrim Árabe | pt_BR |
dc.contributor.referee2 | Jose Marcos Silva Nogueira | pt_BR |
dc.creator | Elias Amadeu de Souza Gomes | pt_BR |
dc.date.accessioned | 2019-08-14T06:06:14Z | - |
dc.date.available | 2019-08-14T06:06:14Z | - |
dc.date.issued | 2019-03-14 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/1843/SLSC-BC9F4H | - |
dc.description.abstract | This work proposed an analysis of the applicability of machine learning algorithms for the improvement of intrusion detection techniques in a cybersecurity system. This theme has attained wide relevance in the current scenario due to the fact that government structures and private entities of economic, political and social relevance around the world have had as a priority goal the digital availability of their services and assets. In this way, several studies have been proposed in the last 15 years by the academic community about the aforementioned topic in order to improve the systems that defend digital services and assets. Based on this, the scope of this work was defined and contemplated the survey and the analysis of some of these studies in order to determine the current state of intrusion detection systems on the subject of the adaptability of its own capacity for intrusion detection using machine learning models and algorithms. The conclusion attested to the evolution of intrusion detection systems, highlighting the characteristics of each study, the context and possibilities of expansion and application | pt_BR |
dc.description.resumo | Este trabalho propôs uma análise da aplicabilidade de algoritmos de aprendizado de máquina para aprimoramento das técnicas de detecção de intrusão em um sistema de cibersegurança. Este tema tem ganhado ampla relevância no cenário atual devido ao fato de que estruturas governamentais e entidades privadas de relevância econômica, política e social ao redor do mundo têm tido como meta prioritária a disponibilização digital de seus serviços e ativos. Dessa forma, vários estudos têm sido propostos, nos últimos 15 anos, pela comunidade acadêmica, acerca do tema supramencionado com o fim de aprimorar os sistemas que fazem a defesa dos serviços e ativos digitais. Com base nisso, o escopo desse trabalho foi definido e contemplou o levantamento e a análise de alguns desses estudos com o fim de determinar qual o atual estado dos sistemas de detecção de intrusão no que tange à adaptação da sua capacidade de detecção utilizando modelos e algoritmos de aprendizado de máquina. A conclusão atestou a evolução dos sistemas de detecção de intrusão, ressaltando as características de cada estudo, o contexto e as possibilidades de expansão e aplicação | pt_BR |
dc.language | Português | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Artefato Malicioso | pt_BR |
dc.subject | Análise Estática | pt_BR |
dc.subject | Aprendizado de Máquina | pt_BR |
dc.subject | Detecção de Intrusão | pt_BR |
dc.subject | Cibersegurança | pt_BR |
dc.subject.other | Detecção de intrusão | pt_BR |
dc.subject.other | Detecção de anomalias | pt_BR |
dc.subject.other | Aprendizado de Máquina | pt_BR |
dc.subject.other | Computação | pt_BR |
dc.subject.other | Detecção de assinatura | pt_BR |
dc.subject.other | Cibersegurança | pt_BR |
dc.subject.other | Machine Learning | pt_BR |
dc.title | Aplicabilidade de Algoritmos de Aprendizado de Máquina para Detecção de Intrusão e Análise de Anomalias de Rede | pt_BR |
dc.type | Monografias de Especialização | pt_BR |
Appears in Collections: | Especialização em Informática |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
eliasamadeudesouzagomes.pdf | 2.8 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.