Artigo - Atena Editora

Artigo

Baixe agora

Livros
capa do ebook Sistema Distribuído para Detecção de Ameaças em Redes Utilizando Deep Learning

Sistema Distribuído para Detecção de Ameaças em Redes Utilizando Deep Learning

A detecção de ameaças na Internet

é um fator essencial para manter a segurança

de dados e informações. Um sistema de

detecção de ameaças tenta prevenir que esses

ataques ocorram através da análise de padrões

e do comportamento do fluxo de dados na

rede. Este trabalho apresenta uma extensão

para a plataforma distribuída de detecção e

análise de dados em grande fluxo, através do

uso de deep learning para redução do espaço

de características. A avaliação do sistema

se baseia através da acurácia, do número de

falsos positivos e de falsos negativos, onde

cada classificador apresentou melhor acurácia

ao utilizar 5 e 13 atributos. Ainda, o sistema

apresentou menor número de falsos positivos

e negativos, permitindo a detecção de ameaças

em tempo real sobre um grande volume de

dados, com maior precisão.

Ler mais

Sistema Distribuído para Detecção de Ameaças em Redes Utilizando Deep Learning

  • DOI: 10.22533/at.ed.49819080710

  • Palavras-chave: Aprendizado de máquinas, aprendizagem profunda, grande volume de dados, sistema de detecção de ameaças, tempo real.

  • Keywords: Big data, deep learning, intrusion detection system, machine learning, real-time.

  • Abstract:

    Detecting threats on the Internet is

    a key factor in maintaining data and information

    security. An intrusion detection system tries to

    prevent such attacks from occurring through

    the analysis of patterns and behavior of the

    data flow in the network. This paper presents

    an extension to the distributed large data flow

    detection and analysis platform through the use

    of deep learning to reduce the feature space. The

    evaluation of the system is based on accuracy,

    number of false positives and false negatives,

    where each classifier presented better accuracy

    using 5 and 13 attributes, besides having

    fewer false positives and negatives, allowing

    the detection of real-time threats over a large

    volume of data with greater accuracy

  • Número de páginas: 15

  • Mauro Sérgio Pereira Fonseca
  • Anelise Munaretto
  • Fábio César Schuartz
Fale conosco Whatsapp