Title:
|
TÉCNICAS DE ENSEMBLE LEARNING PARA SISTEMA DE DETECÇÃO DE INTRUSÃO NO CONTEXTO DA CIBERSEGURANÇA |
Author(s):
|
Andricson Abeline Moreira, Carlos A. C. Tojeiro, Carlos J. Reis, Gustavo Henrique Massaro, Igor Andrade Brito e Kelton A. P. da Costa |
ISBN:
|
978-989-8704-45-0 |
Editors:
|
Paula Miranda, Cristiano Costa e Flávia Maria Santoro |
Year:
|
2022 |
Edition:
|
Single |
Keywords:
|
Security, Networking, Ensemble, Machine Learning, Intrusion |
Type:
|
Short Paper |
First Page:
|
176 |
Last Page:
|
181 |
Language:
|
English |
Cover:
|
|
Full Contents:
|
click to dowload
|
Paper Abstract:
|
Recentemente, houve um interesse em melhorar os recursos disponíveis em técnicas de Intrusion Detection System (IDS). Neste sentido, diversos estudos relacionados à cibersegurança demonstram que as invasões de ambiente e o sequestro de informações, são cada vez mais recorrentes e complexas. A criticidade dos negócios envolvendo operações em ambiente utilizando recursos computacionais, não permitem a vulnerabilidade da informação. A cibersegurança tomou uma dimensão dentro do universo da tecnologia indispensável nas corporações, a prevenção de riscos de invasões ao ambiente é tratada diariamente por equipes de Segurança. Assim, o objetivo principal do estudo foi investigar a técnica de Ensemble Learning utilizando o método Stacking, apoiado pelos algoritmos Support Vector Machine (SVM) e k-Nearest Neighbour (kNN) visando uma otimização dos resultados para detecção de ataques DDoS. Para isso, utilizou-se o conceito de Intrusion Detection System com aplicação da ferramenta de Data Mining e Machine Learning Orange, para obter melhores resultados. |
|
|
|
|