Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.creator | Silva, L. [UNESP] | - |
Autor(es): dc.creator | Utimura, L. [UNESP] | - |
Autor(es): dc.creator | Costa, K. [UNESP] | - |
Autor(es): dc.creator | Silva, M. [UNESP] | - |
Autor(es): dc.creator | Prado, S. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:05:38Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:05:38Z | - |
Data de envio: dc.date.issued | 2020-12-09 | - |
Data de envio: dc.date.issued | 2020-12-09 | - |
Data de envio: dc.date.issued | 2020-05-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/TLA.2020.9082916 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/195369 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/195369 | - |
Descrição: dc.description | This paper presents a study on the application of machine learning techniques for botnet detection, compromised computer networks controlled by an attacker in order to perform malicious activities, such as distributed denial-of-service attacks (DDoS), data theft and others. The study aims to evaluate the efficiency of commonly used classifiers in the literature for botnet traffic classification and, to this end, we compare the results obtained from each classifier using two different approaches for feature selection, the first one taking into account the most frequently used features in problems of this nature, based on previous works, and the second one taking into account features selected by the Recursive Feature Elimination algorithm, a relatively unexplored feature selection method in the botnet detection area. | - |
Descrição: dc.description | Univ Estadual Paulista, Bauru, SP, Brazil | - |
Descrição: dc.description | Univ Estadual Paulista, Bauru, SP, Brazil | - |
Formato: dc.format | 881-888 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Ieee-inst Electrical Electronics Engineers Inc | - |
Relação: dc.relation | Ieee Latin America Transactions | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | Botnet | - |
Palavras-chave: dc.subject | Machine Learning | - |
Palavras-chave: dc.subject | Recursive Feature Elimination | - |
Título: dc.title | Study on Machine Learning Techniques for Botnet Detection | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: