Repositório Digital

A- A A+

Avaliação de algoritmos baseados em aprendizagem de máquina para classificação de tráfego em redes SDN

.

Avaliação de algoritmos baseados em aprendizagem de máquina para classificação de tráfego em redes SDN

Mostrar registro completo

Estatísticas

Título Avaliação de algoritmos baseados em aprendizagem de máquina para classificação de tráfego em redes SDN
Outro título Evaluating machine learning algorithms for traffic classification on sdn networks
Autor Silva, Diego Macedo da
Orientador Schaeffer Filho, Alberto Egon
Data 2015
Nível Graduação
Instituição Universidade Federal do Rio Grande do Sul. Instituto de Informática. Curso de Ciência da Computação: Ênfase em Ciência da Computação: Bacharelado.
Assunto Aprendizagem : Maquina
Comunicacao : Dados
[en] Anomaly detection
[en] Machine learning
[en] Software defined networking
[en] Traffic flow analysis
Resumo Sistemas de classificação de tráfegos em redes têm sido cada vez mais utilizados, em especial de forma a garantir a disponibilidade e resiliência das mesmas. Com o uso de aprendizagem de máquina (ML) as classificações tem se tornado mais precisas, e sendo capazes de detectar diferentes tipos de ataques e anomalias que possam impactar a sua estabilidade. A coleta e análise das informações trafegadas pode ser muito custosa e de difícil implementação. Com o uso de redes definidas por software (SDN) sendo bastante discutido e popularizado, em especial no meio científico e acadêmico, exploraremos as facilidades proporcionadas pela adoção desse tipo de rede para a coleta das informações necessárias para a classificação dos fluxos de tráfego. Mais especificamente obtidas com a centralização da camada de controle da rede. Esse trabalho consiste na aplicação de técnicas de aprendizagem de máquina para a classificação de fluxos trafegados nessas redes objetivando a detecção de ataques e anomalias. Realizamos também um estudo comparativo do desempenho obtido pelos algoritmos utilizados (Expectation- Maximization e C4.5).
Abstract Network traffic classification systems have been increasingly used to ensure the availability and resilience of computer networks. With the use of machine learning techniques, classification systems have become more accurate and capable of detecting a wide range of attacks and anomalies. The collection and analysis of data flows can be very costly and difficult to implement. The adoption of software-defined networking (SDN) have been widely discussed and popularized, especially in the scientific and academic community, thus we explore the simplicity afforded by the employment of this type of network to collect the necessary information for flows classification. More specifically achieved with its centralized control layer architecture. This work makes use of machine learning techniques for traffic flow classification in these networks aiming to detect attacks and anomalies. Furthermore, we conduct a comparative study on the performance obtained by the Expectation-Maximization and C4.5 algorithms.
Tipo Trabalho de conclusão de graduação
URI http://hdl.handle.net/10183/126046
Arquivos Descrição Formato
000971084.pdf (1.772Mb) Texto completo Adobe PDF Visualizar/abrir

Este item está licenciado na Creative Commons License

Este item aparece na(s) seguinte(s) coleção(ões)


Mostrar registro completo

Percorrer



  • O autor é titular dos direitos autorais dos documentos disponíveis neste repositório e é vedada, nos termos da lei, a comercialização de qualquer espécie sem sua autorização prévia.
    Projeto gráfico elaborado pelo Caixola - Clube de Criação Fabico/UFRGS Powered by DSpace software, Version 1.8.1.