Uso de aprendizado de máquina para detecção de ataques DDOS

Abstract

A Segurança Cibernética é um tema que possui muita relevância nos dias atuais, uma vez que a sociedade depende cada vez mais do mundo digital e de suas ferramentas. Ataques nesse meio são comuns de diversas formas, mas um dos mais ameaçadores para um serviço é o Distributed Denial of Service, ou, Ataque de negação de serviço distribuído, que tem por objetivo esgotar recursos do host. Aprendizado de Máquina pode ser definido como uma ramificação da inteligência artificial, que foca no uso de dados e algoritmos para imitar a forma como humanos aprendem. Por ser altamente eficiente no reconhecimento de padrões, é possível utilizar algoritmos desse tipo para auxiliar no reconhecimento de ataques cibernéticos. Nesse trabalho são abordados estudos e implementações sobre o uso de algoritmos de redes neurais, bem como o tratamento de dados para verificar sua acurácia e viabilidade utilizando conjuntos de dados de tráfego de rede.

Cybersecurity is a highly relevant topic in today’s world, given society’s increasing dependence on the digital realm and its tools. Attacks in this domain manifest in various forms, with one of the most threatening being Distributed Denial of Service (DDoS) attacks, which aim to deplete a host’s resources. Machine Learning can be defined as a branch of artificial intelligence that focuses on using data and algorithms to mimic how humans learn. Due to its high efficiency in pattern recognition, algorithms of this kind can be employed to aid in the detection of cyber attacks. This study explores studies and the implementation of neural network, in addition to data processing to assess their accuracy and feasibility using network traffic datasets.