Aplicação e Análise Comparativa do Desempenho de Classificadores de Padrões para o Sistema de Detecção de Intrusão Snort

Abstract

Com a evolução da Internet, o volume de dados que trafegam nas redes de computadores cresce dia após dia, desafiando a segurança de sistemas computacionais do mundo todo. Dentre as principais ferramentas utilizadas para assegurar esses sistemas, destacam-se os Sistemas de Detecção de Intrusão (SDI). Em um ambiente onde novas vulnerabilidades são descobertas toda semana [Symantec 2015], detecções por anomalia podem reduzir os danos de ataques desconhecidos. Desta forma, este trabalho propõs a aplicação de dois classificadores de padrões para substituir o esquema de detecção do SDI código-aberto Snort. O estudo comparativo focado no desempenho de ambas as técnicas apresentou altas taxas de acurácias nas classificações de conexões.

Sistema de detecção de intrusão utilizando métodos de aprendizagem de máquina em redes de computadores

“…Ainda assim, continua a ser um problema não resolvido completamente, em razão do constante surgimento e aperfeiçoamento de tipos de ameaças (Sommer;Paxson, 2010). Métodos de aprendizagem de máquina vêm sendo aplicados para detectar e classificar anomalias no tráfego na rede (Fung;Boutaba, 2013;Utimura;Costa, 2018). Para isso, neste artigo, o objetivo é apresentar uma avaliação de métodos de aprendizagem de máquina para classificar disfunções referentes a possíveis ataques.…”