Banca de QUALIFICAÇÃO: ARIANE VENTURA DE SOUSA FALCÃO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: ARIANE VENTURA DE SOUSA FALCÃO
DATA: 08/06/2018
HORA: 11:00
LOCAL:
TÍTULO: FUZDETECT: SISTEMA DE DETECÇÃO E CLASSIFICAÇÃO DE ATAQUES DE NEGAÇÃO DE SERVIÇO
PALAVRAS-CHAVES: Ataques DDoS Sistemas de Detecção Lógica Fuzzy
PÁGINAS: 82
RESUMO: Com o aumento da quantidade de dispositivos conectados à Internet, a rapidez, assim como, o dinamismo na troca de informações foi promovido, junto com uma maior interatividade entre as partes da comunicação. Embora tal aumento tenha trazido convergência imediata na troca de informações, um dos grandes efeitos colaterais acarretados por essa nova visão do modelo da Internet, conhecido como Internet das Coisas, é a facilidade na perpetração do acesso destes dispositivos, uma vez que, os mesmos, em grande maioria, não apresentam aparatos de segurança essenciais em sua implementação. Ocasionando assim, em um cres- cimento discrepante na magnitude de ataques já existentes, como os Ataques de Negação de Serviço Distribuídos. Ataques de Negação de Serviço variam de acordo com a sua natureza, entretanto, estes possuem em comum o objetivo de impedir o alvo de atender novas solici- tações e similaridade com o tráfego legítimo. Diante destes desafios, este trabalho propõe o FuzDetect. O FuzDetect não só alerta quando um ataque ocorre, mas também o classifica. O FuzDetect se inicia por meio da coleta de dados em uma Rede Definida por Software, de forma leve, sem a necessidade da inspeção de pacotes tradicionais. Em seguida, tais meta- dados serão repassados para uma base de dados, a fim de torná-los persistentes. Na etapa final, um sistema de classificação, implementado com lógica fuzzy, irá analisar os últimos metadados de fluxos coletados e então os classificará em subtipos de ataque ou em tráfego legítimo. Tal sistema é capaz de se adaptar ao tráfego da rede de forma dinâmica, com o apoio da Otimização por Enxame de Partículas. Os resultados gerados foram extraídos a partir de testes em redes com topologias e configurações de tráfego diferentes, os mesmos também foram gerados com e sem o uso da otimização adaptativa via Otimização por En- xame de Partículas, demonstrando assim, a eficiência da proposta, em que, nos casos em que a otimização foi usada, os tráfegos, posteriormente classificados, apresentaram a saída aproximada correta, em todos os casos.
MEMBROS DA BANCA:
Interno - 1859144 - ANAND SUBRAMANIAN
Interno - 1887274 - FERNANDO MENEZES MATOS
Interno - 1545175 - IGUATEMI EDUARDO DA FONSECA
Interno - 1971457 - VIVEK NIGAM