Prevenindo ameaças persistentes avançadas em redes corporativas utilizando um modelo de segurança baseado em zero trust e UEBA

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSousa Júnior, Rafael Timóteo de-
Autor(es): dc.contributorMelo, Laerte Peotta de-
Autor(es): dc.contributorbrunorocha_33@hotmail.com-
Autor(es): dc.creatorRocha, Bruno Carneiro da-
Data de aceite: dc.date.accessioned2024-10-23T15:54:14Z-
Data de disponibilização: dc.date.available2024-10-23T15:54:14Z-
Data de envio: dc.date.issued2023-08-15-
Data de envio: dc.date.issued2023-08-15-
Data de envio: dc.date.issued2023-08-15-
Data de envio: dc.date.issued2022-12-12-
Fonte completa do material: dc.identifierhttp://repositorio2.unb.br/jspui/handle/10482/46319-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/895010-
Descrição: dc.descriptionDissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2022.-
Descrição: dc.descriptionMuitas organizações estão sendo alvos de diversos tipos de ataques. Um dos ataques mais perigosos é o chamado Ameaças Persistentes Avançadas (Advanced Persistent Threats - APT) pois ele é um ataque silencioso e focado na espionagem e roubo de informações, diferentemente de um ataque de negação de serviço (DoS), por exemplo. A solução proposta aborda a implementação de um modelo de segurança baseado em zero trust em conjunto com UEBA para traçar o perfil de comportamento do usuário e encontrar os comportamentos anômalos dos adversários com o objetivo de prevenir ataques APT em redes corporativas. A proposta consiste em utilizar os conceitos de machine learning especificamente dentro de cada micro-segmentação e analisar se houve a redução de falsos negativos.-
Descrição: dc.descriptionMany organizations are being targeted by various types of attacks. One of the most dangerous attacks is called Advanced Persistent Threats (APT) as it is a silent attack and it’s main goal is spying and stealing information, different from a denial of service (DoS) attack, por example. The proposed solution addresses the implementation of a security model based on zero trust in conjunction with UEBA to profile user behavior and find anomalous behaviors of adversaries in order to prevent APT attacks on corporate networks. The proposal consists of using machine learning concepts specifically within each micro-segmentation and analyzing whether there was a reduction in false negatives.-
Descrição: dc.descriptionFaculdade de Tecnologia (FT)-
Descrição: dc.descriptionDepartamento de Engenharia Elétrica (FT ENE)-
Descrição: dc.descriptionPrograma de Pós-Graduação em Engenharia Elétrica, Mestrado Profissional-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsAcesso Aberto-
Palavras-chave: dc.subjectAtaques cibernéticos-
Palavras-chave: dc.subjectAmeaças cibernéticas-
Palavras-chave: dc.subjectAmeaças persistentes avançadas-
Palavras-chave: dc.subjectSegurança cibernética-
Palavras-chave: dc.subjectAprendizagem de máquina-
Título: dc.titlePrevenindo ameaças persistentes avançadas em redes corporativas utilizando um modelo de segurança baseado em zero trust e UEBA-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.