Banca de QUALIFICAÇÃO: ANTONIO ALCIR DE FREITAS JUNIOR

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : ANTONIO ALCIR DE FREITAS JUNIOR
DATA : 27/12/2022
HORA: 09:00
LOCAL: Videoconferência (https://meet.google.com/sin-qvcv-zjf)
TÍTULO:

Detecção de ataques de negação de serviço distribuídos utilizando o método Viola-Jones.


PALAVRAS-CHAVES:

Viola-Jones, Detecção de ataques DDoS, Aprendizagem de Máquina, Redes de computadores


PÁGINAS: 50
RESUMO:

Com a expansão da Internet, aliada ao crescente número de dispositivos dispositivos de Internet das Coisas (IoT), os ataques de negação de serviços (Denial of Service - DoS), bem como sua variante distribuída (Distributed Denial of Service - DDoS) vêm se tornando um problema significativo para a disponibilidade de serviços que operam na Internet. Este tipo de ataque é gerado quando um invasor tenta impedir ou interromper o acesso a uma rede ou serviço, sendo utilizado por criminosos para inúmeros fins, como o sequestro do serviço atacado, ou até mesmo como disfarce para outros tipos de ataques com roubo de dados sigilosos, e por isso, ultimamente, os ataques DDoS vêm se tornando um dos maiores problemas de segurança na internet.  Nos últimos anos vem crescendo o número de pesquisas na academia e na indústria sobre a detecção e mitigação desses ataques, porém sem ainda uma solução definitiva. Técnicas envolvendo aprendizagem de máquina estão sendo amplamente utilizadas para detecção e mitigação desses ataques. Embora eficientes, as técnicas propostas apresentam um alto custo computacional, o que podem torná-las inviáveis em cenários de redes com fluxos de dados intensos, devido às restrições temporais impostas pelo processamento em tempo real do fluxo de dados. Inspirado em técnicas de processamento de imagens voltadas para detecção de faces e objetos em tempo real, este trabalho propõem uma nova abordagem para detectar os ataques DDoS, utilizando o algoritmo Viola-Jones. Este método é normalmente utilizado em sistemas de detecções devido a sua alta taxa de acerto, baixa taxa de falsos positivos e sua relativa simplicidade de implementação, com grande eficiência em processamento de grandes volumes de dados, tornando-o apto à tarefa de detecção de ataques de DDoS em cenários de redes com vazões elevadas.


MEMBROS DA BANCA:
Presidente - 1543191 - LUIZ FELIPE DE QUEIROZ SILVEIRA
Externo ao Programa - 1279464 - AGOSTINHO DE MEDEIROS BRITO JUNIOR - UFRNExterno à Instituição - FRANCISCO SALES DE LIMA FILHO - IFRN
Notícia cadastrada em: 12/12/2022 14:33
SIGAA | Superintendência de Tecnologia da Informação - (84) 3342 2210 | Copyright © 2006-2024 - UFRN - sigaa04-producao.info.ufrn.br.sigaa04-producao