Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/31819| Título: | Comparação dos algoritmos Random Forest, Random Tree e J48 para detectar ataques DDoS |
| Título(s) alternativo(s): | Comparison of Random Forest, Random Tree and J48 algorithms to detect DDoS attacks |
| Autor(es): | Nascimento, Juliano Silva do |
| Orientador(es): | Foronda, Augusto |
| Palavras-chave: | Inteligência artificial Redes de computadores Algorítmos Artificial intelligence Computer networks Algorithms |
| Data do documento: | 31-Out-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | NASCIMENTO, Juliano Silva. Comparação dos algoritmos Random Forest, Random Tree e J48 para detectar ataques DDoS. 2022. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2022. |
| Resumo: | Ataque distribuído de negação de serviço DDoS (Distributed Denial of Service) é um tipo de ataque no qual um cyber criminoso gera uma grande quantidade de solicitações de requisições para um servidor, até que o servidor fique sobrecarregado por conta de tantas solicitações, fazendo com que seus recursos diminuam, trave ou cause lentidão na rede. Existem algumas técnicas e ferramentas para identificar este tipo de ataque, como a análise baseada em assinatura da ferramenta de detecção de intrusão SNORT. Mas o problema desta técnica é que não identifica novos ataques, somente ataques conhecidos. Para resolver este problema, tem surgido novas técnicas baseadas em inteligência artificial que utiliza o processo de aprendizagem para conseguir identificar e classificar por meio de padrões conhecidos aqueles tráfegos que são propícios a serem maliciosos, comparados a um tráfego normal. Este trabalho analisa os algoritmos de classificação Random Forest, Random Tree e J48 para verificar sua eficácia para identificar novos ataques do tipo DDoS. São feitas simulações com diferentes porcentagens de tamanho para teste e treino para verificar qual apresenta melhor resultado. |
| Abstract: | Distributed Denial of Service (DDoS) attack is a type of attack in which a cyber criminal generates a large number of requests for requests to a server, until the server is overwhelmed by so many requests, causing your resources slow down, crash, or slow down your network. There are some techniques and tools to identify this type of attack, such as the signature-based analysis of the SNORT intrusion detection tool. But the problem with this technique is that it does not identify new attacks, only known attacks. To solve this problem, new techniques based on artificial intelligence have emerged that use the learning process to be able to identify and classify through known patterns those traffics that are prone to be malicious, compared to normal traffic. This work analyzes the Random Forest, Random Tree and J48 classification algorithms to verify their effectiveness to identify new DDoS attacks. Simulations are made with different percentages of size for testing and training to verify which one presents the best result. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/31819 |
| Aparece nas coleções: | PG - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| algoritmosdetectarataquesddos.pdf | 2,25 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
