
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.creator | Mendonça, Robson V. | - |
| Autor(es): dc.creator | Teodoro, Arthur A. M. | - |
| Autor(es): dc.creator | Rosa, Renata L. | - |
| Autor(es): dc.creator | Saadi, Muhammad | - |
| Autor(es): dc.creator | Carrillo Melgarejo, Dick | - |
| Autor(es): dc.creator | Nardelli, Pedro H. J. | - |
| Autor(es): dc.creator | Rodríguez, Demóstenes Z. | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:51:38Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:51:38Z | - |
| Data de envio: dc.date.issued | 2022-04-28 | - |
| Data de envio: dc.date.issued | 2022-04-28 | - |
| Data de envio: dc.date.issued | 2021-04 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/49826 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1169684 | - |
| Descrição: dc.description | Currently, with the increasing number of devices connected to the Internet, search for network vulnerabilities to attackers has increased, and protection systems have become indispensable. There are prevalent security attacks, such as the Distributed Denial of Service (DDoS), which have been causing significant damage to companies. However, through security attacks, it is possible to extract characteristics that identify the type of attack. Thus, it is essential to have fast and effective security identification models. In this work, a novel Intrusion Detection System (IDS) based on the Tree-CNN hierarchical algorithm with the Soft-Root-Sign (SRS) activation function is proposed. The model reduces the training time of the generated model for detecting DDoS, Infiltration, Brute Force, and Web attacks. For performance assessment, the model is implemented in a medium-sized company, analyzing the level of complexity of the proposed solution. Experimental results demonstrate that the proposed hierarchical model achieves a significant reduction in execution time, around 36%, and an average detection accuracy of 0.98 considering all the analyzed attacks. Therefore, the results of performance evaluation show that the proposed classifier based on Tree-CNN is of low complexity and requires less processing time and computational resources, outperforming other current IDS based on machine learning algorithms. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Institute of Electrical and Electronics Engineers (IEEE) | - |
| Direitos: dc.rights | acesso aberto | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| ???dc.source???: dc.source | IEEE Access | - |
| Palavras-chave: dc.subject | Activation function | - |
| Palavras-chave: dc.subject | Deep learning | - |
| Palavras-chave: dc.subject | Intrusion detection system | - |
| Palavras-chave: dc.subject | Tree-CNN | - |
| Palavras-chave: dc.subject | Função de ativação | - |
| Palavras-chave: dc.subject | Aprendizagem profunda | - |
| Palavras-chave: dc.subject | Sistema de Detecção de Intrusão | - |
| Palavras-chave: dc.subject | Redes neurais | - |
| Título: dc.title | Intrusion detection system based on fast hierarchical deep convolutional neural network | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
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: