Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/37232| Título: | Detecção de ataques de negação de serviço em redes definidas por software com o uso de florestas aleatórias |
| Título(s) alternativo(s): | Denial of service attack detection in software-defined networks using random forests |
| Autor(es): | Santos, Daniel Pitanga dos |
| Orientador(es): | Nacamura Júnior, Luiz |
| Palavras-chave: | Ataques de negação de serviço Redes de computadores Aprendizado do computador Computadores - Medidas de segurança OpenFlow (protocolo de rede de computadores) Árvores de decisão Simulação (Computadores) Denial of service attacks Computer networks Machine learning Computer security OpenFlow (Computer network protocol) Decision trees Computer simulation |
| Data do documento: | 18-Mar-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | SANTOS, Daniel Pitanga dos. Detecção de ataques de negação de serviço em redes definidas por software com o uso de florestas aleatórias. 2025. Dissertação (Mestrado em Computação Aplicada) - Universidade Tecnológica Federal do Paraná, Curitiba, 2025. |
| Resumo: | O avanço de tecnologias como Internet das Coisas (IoT), computação em nuvem, redes 5G e serviços de streaming tem aumentado a complexidade e os requisitos de segurança das redes computacionais. Nesse contexto, as Redes Definidas por Software (SDN) emergem como uma solução promissora ao permitir maior flexibilidade e controle centralizado. No entanto, essa centralização também introduz novos vetores de ataque, especialmente os de Negação de Serviço (DoS), que podem comprometer o funcionamento do controlador SDN. Esta dissertação propõe um sistema de detecção de ataques DoS baseado em algoritmos de Aprendizado de Máquina, com ênfase na Floresta Aleatória (Random Forest). O sistema foi desenvolvido em ambiente simulado e avaliado com dados sintéticos e com o benchmark DARPA 2009, alcançando acurácia de 99,93% após ajuste de hiperparâmetros. Os resultados obtidos demonstram a viabilidade da abordagem e seu potencial para aplicação em ambientes reais, oferecendo uma solução eficaz e adaptável para o monitoramento de segurança em redes SDN. |
| Abstract: | The advancement of technologies such as the Internet of Things (IoT), cloud computing, 5G networks, and streaming services has increased the complexity and security requirements of computer networks. In this context, Software-Defined Networking (SDN) emerges as a promising solution by enabling greater flexibility and centralized control. However, this centralization also introduces new attack vectors, especially Denial-of-Service (DoS) attacks, which can compromise the operation of the SDN controller. This dissertation proposes a DoS attack detection system based on Machine Learning algorithms, with an emphasis on the Random Forest model. The system was developed in a simulated environment and evaluated using synthetic data and the DARPA 2009 benchmark, achieving an accuracy of 99.93% after hyperparameter tuning. The results obtained demonstrate the feasibility of the approach and its potential for application in real-world environments, offering an effective and adaptable solution for security monitoring in SDN networks. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/37232 |
| Aparece nas coleções: | CT - Programa de Pós-Graduação em Computação Aplicada |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| deteccaoataquedossdn.pdf | 2,93 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
