Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Menezes, Paulo Lopes de | - |
Autor(es): dc.contributor | Menezes, Paulo Lopes de | - |
Autor(es): dc.contributor | Candido Junior, Arnaldo | - |
Autor(es): dc.contributor | Michel, Neylor | - |
Autor(es): dc.creator | Schek, Lucas Juliano | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:49:38Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:49:38Z | - |
Data de envio: dc.date.issued | 2022-09-09 | - |
Data de envio: dc.date.issued | 2022-09-09 | - |
Data de envio: dc.date.issued | 2021-05-03 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/29553 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1102566 | - |
Descrição: dc.description | Intrusion detection plays an important role in ensuring the security of information, it is the main technology in accurately identifying various attacks on the network. In this article, we explore how to model a network intrusion detection system based on deep learning and propose an approach to intrusion detection using recurrent neural networks (RNN-IDS). The experimental results show that the RNN-IDS is very suitable for modeling a classification model with high precision and that its performance is superior to that of traditional machine learning classification methods. In this article, a new IDS is proposed, which consists of a recurrent neural network with textit Gate Recurrent Unit (GRU) and textit Long Short Term Memory (LSTM). To carry out the experiments, the public database NSL-KDD was selected and the Dropout and K-fold regularization technique was used. The results proved that LSTM and GRU had better accuracy in relation to other classifiers, such as: J48, BayesNet, Randodm Forest, among others. | - |
Descrição: dc.description | A detecção de intrusões desempenha um papel importante na garantia da segurança das informações, e a principal tecnologia na identificação com precisão de vários ataques na rede. Neste artigo, exploramos como modelar um sistema de detecção de intrusão em redes baseado em aprendizagem profunda e propomos uma abordagem para a detecção de intrusão usando redes neurais recorrentes (RNN-IDS). Os resultados experimentais mostram que o RNN-IDS e muito adequado para modelar um modelo de classificação com alta precisão e que seu desempenho e superior ao dos métodos tradicionais de classificação de aprendizado de máquina. Neste trabalho e proposto um novo IDS que consiste em uma rede neural recorrente com Gate Recurrent Unit (GRU) e Long Short Term Memory (LSTM). Para a realização dos experimentos, selecionou-se a base de dados publica NSL-KDD, foi utilizada a técnica de regularização Dropout e K-fold. Os resultados comprovaram que a LSTM e o GRU tiveram melhores acurácias em relação a outros classificadores, como: J48, BayesNet, Randodm Forest dentre outros. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Medianeira | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Computadores - Medidas de segurança | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | Computer security | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Aplicação de técnicas de inteligência artificial na otimização de sistemas de detecção de intrusão em redes de computadores | - |
Título: dc.title | Application of artificial intelligence techniques in the optimization of intrusion detection systems in computer networks | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
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: