[pt] ANÁLISE DE TRÁFEGO DE BOTNETS COM MACHINE LEARNING

[en] BOTNET TRAFFIC ANALYSIS USING MACHINE LEARNING

[pt] GABRIEL MANHAES DE SOUZA

[pt] MACHINE LEARNING

[pt] ENGENHARIA DE FEATURES

[pt] BOTNET

[pt] KNN

[pt] AUTOENCODER

[pt] RANDOM FOREST

[en] MACHINE LEARNING

[en] FEATURE ENGINEERING

[en] BOTNET

[en] KNN

[en] AUTOENCODER

[en] RANDOM FOREST

[pt] 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.

[en] The objective of this study is to satisfactorily produce a botnet traffic detection model, using pre-processing, feature engineering and optimization techniques specifically for the CTU-13 dataset, which has real samples of malware related traffic in addition to normal and background traffic. The methodology, in short, was: removal of invalid data through simple imputation; encoding; grouping in 5 second windows, source address and label; evaluation of prediction results. For the final evaluation, the following were used: Autoencoder, Stacked Autoencoders, Variational Autoencoder, Random Forest and KNN. All models showed good metrics, and the best results were from Random Forest, with a 0.96 f1-score.

HELIO CORTES VIEIRA LOPES

ANDERSON OLIVEIRA DA SILVA

2023-09-18

1969-12-31

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=63981@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=63981@2

https://doi.org/10.17771/PUCRio.acad.63981