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 | Proença Junior, Mário Lemes [Orientador] | - |
Autor(es): dc.contributor | Lima, José Valdeni de | - |
Autor(es): dc.contributor | Brancher, Jacques Duílio | - |
Autor(es): dc.contributor | Abrão, Taufik | - |
Autor(es): dc.creator | Adaniya, Mario Henrique Akihiko da Costa | - |
Data de aceite: dc.date.accessioned | 2025-05-15T13:00:09Z | - |
Data de disponibilização: dc.date.available | 2025-05-15T13:00:09Z | - |
Data de envio: dc.date.issued | 2024-05-01 | - |
Data de envio: dc.date.issued | 2024-05-01 | - |
Data de envio: dc.date.issued | 2025-05-15 | - |
Data de envio: dc.date.issued | 2025-05-15 | - |
Fonte completa do material: dc.identifier | https://repositorio.uel.br/handle/123456789/10178 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/978529 | - |
Descrição: dc.description | Resumo: As redes deixaram de ser meras ferramentas e tornaram-se parte vital de qualquer empresa, provedor de serviço entre outros elementos Isto torna a atividade de gerenciamento muito importante, uma vez que a saúde financeira e o próprio desenvolvimento das empresas estão conectados através das redes e qualquer interrupção ou falha de serviço acarretam em situações dramáticas Neste cenário, as anomalias são grande geradoras de transtornos para os administratores de redes e oriundas de diversas causas, como falhas de configurações, erros por falha do usuário, erros por falhas de software e/ou hardware ou ataque de agentes maliciosos Para mitigar os erros e falhas, é proposto nesta Dissertação um modelo para detecção de anomalias baseado no algoritmo de clusterização otimizado aplicado aos dados coletados pela ferramenta Gerenciamento de Backbone Automático (GBA) Uma contribuição deste trabalho é o algoritmo de clusterização otimizado, chamado de Algoritmo de Clusterização Firefly Harmonic Este algoritmo é a junção do algoritmo de clusterização, K-Harmonic Means (KHM), com a heurística, Firefly Algorithm Também é apresentado uma descrição de anomalia que utiliza a Assinatura Digital de Segmento de Rede (DSNS) gerado pelo GBA, para criar uma área fixa que determina se o intervalo analisado é anômalo ou não, produzindo um gabarito Para validação do modelo proposto, foram realizados testes com dados coletados da rede da Universidade Estadual de Londrina Os resultados obtidos se mostraram promissores em diferentes cenários apresentados | - |
Descrição: dc.description | Dissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computação | - |
Descrição: dc.description | Abstract: Nowadays the networks are not just tools and play an important role in enterprises, service providers and others elements The network management gain an important status, once the financial health and the development itself are connected through the networks and any interruption or system failure leads to dramatic situations In this scenario, the anomalies are great problems generators to the network managers and provide from misconfiguration, users failures, software and/or hardware failures or attacks To decrease the number of failures and errors, in this dissertation it is proposed a model for anomaly detection based on optimized clustering algorithm applied to collected data from Automatic Backbone Management (GBA) tool A contribution of this work is the optimized clustering algorithm, named Firefly Harmonic Clustering Algorithm (FHCA) This algorithm is the joint K-Harmonic Means and the heuristic Firefly Algorithm It is proposed an anomaly description which is built from a Digital Signatureof Network Segment (DSNS) generated by GBA tool The anomaly description creates a fixed area that determines if an analysed interval will be consider an anomaly or not, originating a template To evaluate the model, tests have been carried out using real data collected from the State University of Londrina The obtained results have shown promising in different scenarios presented | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Relação: dc.relation | Mestrado | - |
Relação: dc.relation | Ciência da Computação | - |
Relação: dc.relation | Centro de Ciências Exatas | - |
Relação: dc.relation | Programa de Pós-Graduação em Ciência da Computação | - |
Palavras-chave: dc.subject | Redes de computadores | - |
Palavras-chave: dc.subject | Anomalias | - |
Palavras-chave: dc.subject | Assinaturas digitais | - |
Palavras-chave: dc.subject | Redes de computadores | - |
Palavras-chave: dc.subject | Medidas de segurança | - |
Palavras-chave: dc.subject | Anomaly | - |
Palavras-chave: dc.subject | Digital signatures | - |
Palavras-chave: dc.subject | Safety measures | - |
Palavras-chave: dc.subject | Computer algorithms | - |
Palavras-chave: dc.subject | Telecommunication traffic | - |
Palavras-chave: dc.subject | Computer networks | - |
Título: dc.title | Detecção de anomalias utilizando firefly harmonic clustering algorithm e assinatura digital de segmento de rede | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional da UEL - RIUEL |
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: