Detecção de intrusão em redes de computadores utilizando Floresta de Caminhos Ótimos

• Main Author: Pereira, Clayton Reginaldo [UNESP]
• Other Authors: Universidade Estadual Paulista (UNESP)
• Language: Portuguese
• Published: Universidade Estadual Paulista (UNESP) 2014
• Subjects: Sistemas de computação; Processamento de imagens - Tecnicas digitais; Redes de computadores - Medidas de segurança; Computer systems
• Online Access: http://hdl.handle.net/11449/98665

Made available in DSpace on 2014-06-11T19:29:40Z (GMT). No. of bitstreams: 0 Previous issue date: 2012-07-23Bitstream added on 2014-06-13T19:38:56Z : No. of bitstreams: 1 pereira_cr_me_sjrp.pdf: 682265 bytes, checksum: a39b848233e0f6c3f87a61e804c47223 (MD5) === Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) === Sistemas de detecção de intrusão tem utilizado cada vez mais técnicas baseadas em inteligência artificial com o objetivo de aumentar sua precisão. Técnicas como redes neurais artificiais e máquinas de vetores de suporte são exemplos de abordagens que tem sido amplamente empregadas para este m. Entretanto, a complexidade dessas t ecnicas para o aprendizado de novos ataques e muito alta, inviabilizando o seu retreinamento em tempo real. Dado que um novo classificador de padrões denominado Floresta de Caminhos Otimos (Optimum-Path Forest- OPF) foi recentemente proposto, e obteve taxas de reconhecimento similares aquelas obtidas por técnicas estado-da-arte em reconhecimento de padrões, por em mais rápido para o treinamento, este trabalho objetiva a avaliação do classicador OPF no contexto de detecção de intrus~ao em redes de computadores. Experimentos em diferentes bases de dados mostraram que o classificador OPF pode ser uma ferramenta adequada para detectar intrusões em redes de computadores, dado que o mesmo pode aprender novos ataques mais rapidamente que algumas das técnicas empregadas no trabalho === Intrusion Detection Systems have used even more techniques based on arti icial intel-ligence aiming to increase their accuracy. Techniques such as neural networks and suport vetor machines are examples of approaches which have been widely used for this purpose. However, the complexity for learning new attacks is very high, imparing their retraining in real time. Since a new classi er called Optimum-Path Forest - OPF has been recently proposed, and has shown similar recognition rates to those state-of-the-art pattern recog-nition techniques, but much faster for training, this work aims to evaluate OPF in the context of intrusion detection in computer networks. Experiments on di erent databa-ses have shown that OPF may be an appropriate tool to detect instrusion in computer networks, since it can learn new attacks faster than some of the other techniques employed in this work