Para: Secretaria de Pós-Graduação/CCE <spgcce@uel.br>
Assunto: Convite: Defesa de Dissertação de Mestrado em Ciência da Computação - Fadir Salmen - 03/04/2017 às 09h00
OBS: Substituir Dissertação por Qualificação quando for o caso.
Corpo do email (em texto plano):
Data: 03/04/2017
Hora: 09h00
Local: Sala 311 - Departamento de Computação - Bloco J.
Candidato: Fadir Salmen
Título do trabalho: Sistema de Detecção de Anomalias Utilizando Metaheurística Firefly
Banca:
Dr. Mário Lemes Proença Jr. - DC/UEL (Orientador)
Dr. Lucas Dias Hiera Sampaio - UTFPR/CP
Dr. Bruno Bogaz Zarpelão - DC/UEL
Dr. Wesley Attrot - DC/UEL
Resumo:
Monitoramento do tráfego de redes de computadores é uma tarefa
desafiadora. Diversas técnicas são utilizadas para garantir o
funcionamento adequado dessas redes. Dentre elas, podemos destacar as
responsáveis por identificar os comportamentos anômalos no tráfego.
Essas anomalias, que podem ser caracterizadas por ataques, invasões ou
falhas, acarretam prejuízos significativos no funcionamento correto
das redes, bem como afetam a disponibilidade e confiabilidade de
serviços prestados. Neste trabalho, apresentamos o modelo Firefly
Algorithm for Digital Signature (FADS). Esse modelo, utilizando a
análise de fluxos IP, caracteriza o tráfego aplicando o algoritmo
meta-heurístico Firefly e identifica os comportamentos anômalos da
rede baseado no conceito de redes neurais artificiais. Para avaliar o
modelo proposto foram coletados fluxos IP da Universidade Estatual de
Londrina e da Universidade Tecnológica Federal do Paraná, campus
Toledo. Desses fluxos, foram utilizados seis atributos com o objetivo
de detectar as anomalias no tráfego de rede. Essas universidades
proporcionaram testar o FADS em dois ambientes com características
distintas. Os resultados alcançados evidenciam a eficiência do FADS na
caracterização do tráfego e detecção de anomalias em um segmento de
rede, auxiliando os administradores nas tarefas rotineiras de
monitoramento e controle.