dc.creator | Righi, Marcelo Antonio | |
dc.date.accessioned | 2019-01-09T11:04:07Z | |
dc.date.available | 2019-01-09T11:04:07Z | |
dc.date.issued | 2017-03-03 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/15255 | |
dc.description.abstract | The high number of Distributed Denial of Service (DDoS) attacks has demanded innovative
solutions to guarantee the reliability and availability of Internet services. In this sense,
different methods have been used to analyze network traffic in search of denial-of-service
attacks, such as neural networks, decision trees, principal component analysis and others.
However, few of them explore dynamic characteristics to classify network traffic and none
explore the adaptive clustering. This work proposes a new method, called TRAFFICbyAQR,
which uses Recurrence Quantification Analysis based on the extraction of dynamic characteristics
to express traffic behavior. The method is combined with the adaptive clustering
algorithm (A-Kmeans) to perform better attack traffic classification. The experiments were
done using the CAIDA, UCLA and CTU-13 databases and have demonstrated the good
accuracy of the method and the low number of false alarms. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | DDoS | por |
dc.subject | AQR | por |
dc.subject | Clusterização adaptativa | por |
dc.subject | A-Kmeans | por |
dc.subject | RQA | eng |
dc.subject | Adaptive clustering | eng |
dc.title | Detecção de DDoS através da análise da quantificação da recorrência baseada na extração de características dinâmicas e clusterização adaptativa | por |
dc.title.alternative | DDoS detection through the recurrence quantification analysis based on extracting features dynamics and adaptive clustering | eng |
dc.type | Dissertação | por |
dc.description.resumo | O alto número de Ataques Distribuídos de Negação de Serviço (DDoS) tem demandado
soluções inovadoras para garantia de confiabilidade e disponibilidade de serviços de internet.
Neste sentido, diferentes métodos têm sido utilizados para analisar o tráfego de rede
em busca de ataques de negação serviço, tais como redes neurais, árvores da decisão,
análise de componentes principais e outros. Entretanto, poucos exploram características
dinâmicas para classificar o tráfego de rede, tampouco a clusterização adaptativa. Esta
dissertação propõe um novo método, chamado TRAFFICbyAQR, que utiliza a Análise da
Quantificação da Recorrência baseada na extração de características dinâmicas para expressar
o comportamento do tráfego. O método é combinado com o algoritmo de clusterização
adaptativa (A-Kmeans) para realizar a classificação do tráfego de ataque. Os
experimentos foram realizados utilizando as bases de dados CAIDA, UCLA e CTU-13 e
demonstraram a boa acurácia do método e o baixo número de falsos alarmes. | por |
dc.contributor.advisor1 | Nunes, Raul Ceretta | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7947423722511295 | por |
dc.contributor.referee1 | Medina, Roseclea Duarte | |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/6560346309368052 | por |
dc.contributor.referee2 | Sousa Jr, Rafael Timóteo de | |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/3196088341529197 | por |
dc.creator.Lattes | http://lattes.cnpq.br/6239348577710994 | por |
dc.publisher.country | Brasil | por |
dc.publisher.department | Ciência da Computação | por |
dc.publisher.initials | UFSM | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |