XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: ANÁLISE DE TRÁFEGO DE BOTNETS COM MACHINE LEARNING Autor: GABRIEL MANHAES DE SOUZA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
HELIO CORTES VIEIRA LOPES - ORIENTADOR
ANDERSON OLIVEIRA DA SILVA - COORIENTADOR
Nº do Conteudo: 63981
Catalogação: 18/09/2023 Liberação: 18/09/2023 Idioma(s): PORTUGUÊS - BRASIL
Tipo: TEXTO Subtipo: TRABALHO DE FIM DE CURSO
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=63981&idi=1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=63981&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.63981
Resumo:
Título: ANÁLISE DE TRÁFEGO DE BOTNETS COM MACHINE LEARNING Autor: GABRIEL MANHAES DE SOUZA
ANDERSON OLIVEIRA DA SILVA - COORIENTADOR
Nº do Conteudo: 63981
Catalogação: 18/09/2023 Liberação: 18/09/2023 Idioma(s): PORTUGUÊS - BRASIL
Tipo: TEXTO Subtipo: TRABALHO DE FIM DE CURSO
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=63981&idi=1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=63981&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.63981
Resumo:
O objetivo deste estudo é produzir de forma satisfatória um modelo de detecção
de tráfego de botnet, utilizando técnicas de pré processamento, engenharia de
atributos e otimização especificamente para o dataset CTU-13, que conta com
amostras reais de tráfego de malwares conhecidos, além de tráfego normal e
background. A metodologia, de forma resumida, foi: remoção dos dados
inválidos através de imputação simples; encoding; agrupamento em janelas de 5
segundos, endereço de origem e label; separação em treino e teste; treino do
modelo; avaliação dos resultados da predição. Para a avaliação final, foi
utilizado: Autoencoder, Stacked Autoencoders, Variational Autoencoder, Random
Forest e KNN. Todos modelos tiveram boas métricas, sendo o melhor deles o
Random Forest, com o f1-score igual a 0.96.
| Descrição | Arquivo |
| NA ÍNTEGRA |
