|
Title:
|
SISTEMA DE DETECÇÃO DE INTRUSÃO ESCALÁVEL E PARALELO UTILIZANDO APACHE SPARK E KUBERNETES |
|
Author(s):
|
Luan Santana da Costa e Diego Lisboa Cardoso |
|
ISBN:
|
978-989-8704-45-0 |
|
Editors:
|
Paula Miranda, Cristiano Costa e Flávia Maria Santoro |
|
Year:
|
2022 |
|
Edition:
|
Single |
|
Keywords:
|
Spark, Kubernetes, Machine Learning, MLP, N-IDS |
|
Type:
|
Full Paper |
|
First Page:
|
121 |
|
Last Page:
|
128 |
|
Language:
|
English |
|
Cover:
|
|
|
Full Contents:
|
click to dowload 
|
|
Paper Abstract:
|
Neste artigo é problematizado a ineficiência do treinamento de soluções de segurança baseadas em Machine Learning capazes de atingir um tempo de resposta reduzido devido ao alto volume de informação que deve ser processado. Dessa forma, é proposto um N-IDS (Network Intrusion Detection System) baseado em rede neural MLP (Multilayer Perceptron) implantado em uma infraestrutura paralela em Cloud, composta por Apache Spark e Kubernetes. Foi verificado que a técnica de rede MLP mostra-se como uma solução alternativa eficaz capaz de detectar 98, 0% dos casos analisados, além de que a implementação em conjunto com Apache Spark e Kubernetes, com recurso de alocação dinâmica, consegue equilibrar o tradeoff entre tempo de resposta da aplicação e recursos utilizados, mostrando a viabilidade de implementação em ambientes eficientes e que necessitam de tempo de resposta reduzido. |
|
|
|
|
|
|
