Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/37260| Título: | Elaboração de dataset para detecção de ataque DDoS |
| Título(s) alternativo(s): | Elaboration of dataset for DDoS attack detection |
| Autor(es): | Caldeira, Diego Augusto |
| Orientador(es): | Foronda, Augusto |
| Palavras-chave: | Ataques de negação de serviço Inteligência artificial Redes de computadores Denial of service attacks Artificial intelligence Computer networks |
| Data do documento: | 1-Nov-2023 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | CALDEIRA, Diego Augusto. Elaboração de dataset para detecção de ataque DDoS. 2023. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Ponta Grossa, 2023. |
| Resumo: | O ataque distribuído de negação de serviço, conhecido como DDoS (Distributed Denial of Service), envolve o envio de um grande volume de solicitações a um alvo específico, isso sobrecarrega o alvo, resultando em travamentos e lentidão em seu sistema devido à carga excessiva de solicitações. Ferramentas de detecção de intrusão, como o Snort, podem ajudar na detecção desse tipo de ataque, permitindo a análise de todo o tráfego de rede existente, no entanto, essas ferramentas são limitadas às regras de ataques previamente conhecidas, o que as impede de identificar novos ataques. O objetivo deste trabalho é a criação de um conjunto de dados (dataset) contendo as solicitações de ataque e tráfego normal no protocolo ICMP (Internet Control Message Protocol), coletadas e armazenadas pelo Snort. O algoritmo de classificação Random Tree é usado para avaliar a eficácia na identificação de ataques. Os resultados obtidos mostram que o dataset detecta com eficácia um ataque DDoS. |
| Abstract: | The Distributed Denial of Service (DDoS) attack involves sending a large volume of requests to a specific target, overwhelming it and resulting in system crashes and slowness due to the excessive load of requests. Intrusion Detection System (IDS) tools, such as Snort, can assist in detecting this type of attack by allowing the analysis of the entire existing network traffic. However, these tools are limited to rules of previously known attacks, which hinders their ability to identify new attacks. The objective of this work is the creation of a dataset containing attack requests and normal traffic in the Internet Control Message Protocol (ICMP), collected and stored by Snort. The Random Tree classification algorithm is used to evaluate its effectiveness in identifying attacks. The results obtained demonstrate the dataset’s effective detection of a DDoS attack. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/37260 |
| Aparece nas coleções: | PG - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| datasetdeteccaoataqueddos.pdf | 556,77 kB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
