dc.contributor.advisor | Lima, João Vicente Ferreira | |
dc.creator | Wiethan, William da Silva | |
dc.date.accessioned | 2021-07-14T20:06:29Z | |
dc.date.available | 2021-07-14T20:06:29Z | |
dc.date.issued | 2019-12-04 | |
dc.date.submitted | 2019 | |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/21431 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa
Maria, Centro de Tecnologia, Curso de Ciência da Computação, RS, 2019. | por |
dc.description.abstract | The idea of an intelligent and independent learning machine has fascinated humans for
decades, today several factors have come together to make machine learning a reality. In
this context of artificial intelligence, deep learning has been one of the most widely used
machine learning tools, but its use in network anomaly detection, a relevant area, is still not
explored if we compare with areas such as image recognition and voice identification. In
this work we study the use of deep learning in detecting anomalies in networks by implementing
and analyzing three models of deep learning-based classifiers, which were tested
in cross-validation runs and in data from a database parallel to the one of its training. As a
result, it can be said that the binary classifier, had a reasonable performance in relation to
the other classifiers proposed in the work. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Aprendizado de máquina | por |
dc.subject | Aprendizado profundo | por |
dc.subject | Detecção de intrusão | por |
dc.title | Utilização de aprendizado profundo para detecção de anomalias em redes de computadores | por |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.description.resumo | A ideia de uma máquina de aprendizagem inteligente e independente fascinou os humanos
por décadas, hoje, diversos fatores se uniram para tornar a aprendizagem de máquina
uma realidade. Neste contexto da inteligência artificial o aprendizado profundo tem sido
uma das ferramentas de aprendizado de máquina mais utilizadas, contudo sua utilização
em detecção de anomalias em redes, uma área relevante, ainda não é tão explorada se
compararmos com áreas como reconhecimento de imagens e identificação de voz. Nesse
trabalho foi feito um estudo sobre a utilização de aprendizado profundo na detecção de
anomalias em redes, através da implementação e análise de três modelos de classificadores
baseados no aprendizado profundo, que foram testados em execuções de validação
cruzada e em dados de uma base de dados paralela a base de seu treinamento. Como
resultado pode-se dizer que o classificador binário, teve um desempenho razoável em relação
aos demais classificadores propostos no trabalho. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.publisher.unidade | Centro de Tecnologia | por |