Detecção de ataques DDoS e DoS em redes utilizando arquitetura Transformers de aprendizado de máquina

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRezende, Leiliane Pereira de-
Autor(es): dc.contributorRezende, Leiliane Pereira de-
Autor(es): dc.contributorFarias Junior, Euclides Peres-
Autor(es): dc.contributorSepulveda, Gloria Patricia Lopez-
Autor(es): dc.creatorPereira, Gustavo Frandsen-
Data de aceite: dc.date.accessioned2025-08-29T13:14:07Z-
Data de disponibilização: dc.date.available2025-08-29T13:14:07Z-
Data de envio: dc.date.issued2025-03-28-
Data de envio: dc.date.issued2025-03-28-
Data de envio: dc.date.issued2025-02-13-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/36287-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1109663-
Descrição: dc.descriptionDenial of Service (DoS) and Distributed Denial of Service (DDoS) attacks have been a major issue on the internet for a long time, affecting a broad segment of society. These attacks can disrupt network traffic in an online video game match and even cause millions in losses for large companies. To combat increasingly sophisticated and large-scale attacks, various solutions are being explored, including Artificial Intelligence (AI). The data was extracted from the CIC-IDS2017 dataset, properly structured and filtered to remove overly dispersed addresses as well as null and labeled addresses. A value of 1 was assigned to benign addresses and 0 to malicious ones. The data was then split into training and validation sets, tokenized, and fed into a Generative Pre-trained Transformer (GPT) based transformers architecture for batch training. Subsequently, validation was performed using 20% of the data, achieving an accuracy of 99.3%, demonstrating that the model is effective in detecting malicious addresses.-
Descrição: dc.descriptionOs ataques de negação de serviço, do inglês Denial Of Service (DoS) e de negação de serviço distribuída, do inglês Distributed Denial of Service (DDoS), são um problema significativo na internet há muito tempo, afetando uma grande parte da sociedade. Eles podem derrubar o tráfego de rede de uma partida de videogame online e até mesmo causar prejuízos milionários para grandes empresas. Para combater esses ataques, que estão cada vez mais sofisticados e intensos, diversas alternativas vêm sendo exploradas, incluindo o uso de inteligência artificial, do inglês Artificial Intelligence (IA). Os dados foram extraídos do dataset CIC-IDS2017, devidamente estruturados e filtrados para remover endereços muito dispersos, além de endereços nulos e rotulados. Foi atribuída a classificação 1 para endereços benignos e 0 para endereços provenientes de ataque. Em seguida, os dados foram divididos em conjuntos de treino e validação, tokenizados e enviados para um modelo Transformers baseado em um Gerador de Textos Pré-treinado, do inglês Generative Pre-trained Transformer (GPT), para treinamento em lotes. Posteriormente, a validação foi realizada com 20% dos dados, alcançando uma acurácia de 99,3%, demonstrando que o modelo é eficaz na detecção de endereços maliciosos.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherSanta Helena-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherCiência da Computação-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttps://creativecommons.org/licenses/by/4.0-
Palavras-chave: dc.subjectAcesso à Internet-
Palavras-chave: dc.subjectAtaques de negação de serviço-
Palavras-chave: dc.subjectBanco de dados - Medidas de segurança-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectInternet access-
Palavras-chave: dc.subjectDenial of service attacks-
Palavras-chave: dc.subjectData base security-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Título: dc.titleDetecção de ataques DDoS e DoS em redes utilizando arquitetura Transformers de aprendizado de máquina-
Título: dc.titleDDos and DoS attacks detection in networks using machine learning Transformers architecture-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.