Mostrar el registro sencillo del ítem
Utilização de aprendizado profundo para detecção de anomalias em redes de computadores
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 |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
TCC Ciência da Computação - Bacharelado [335]
Coleção de trabalhos de conclusão do Curso em Ciência da Computação - Bacharelado