Desenvolvimento de classificador single class para detecção de anomalias usando dados de fluxos

• Processo: 21/11692-7
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de novembro de 2021
• Data de Término da vigência: 31 de outubro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Genaína Nunes Rodrigues
• Beneficiário: Alexandre Mitsuru Kaihara
• Instituição Sede: Instituto de Ciências Exatas. Universidade de Brasília (UNB)
• Vinculado ao auxílio: 20/05152-7 - PROFISSA: internet do futuro programável para arquiteturas e softwares seguros, AP.TEM
• Assunto(s): Segurança da informação Desenvolvimento de software Redes de computadores
• Palavra(s)-Chave do Pesquisador: Anomaly-based | Flow-based | Nids | Sdn | Redes de Computadores e Segurança Computacional

Resumo

O projeto PROFISSA estabelecerá processos, métodos, interfaces, protocolos e modelos para facilitar e tornar mais confiável o desenvolvimento de software para redes programáveis. Entre seus cenários de casos de uso, temos um que contempla aplicações de redes programáveis de segurança distribuída que visa desenvolver um sistema de segurança distribuído. Assim, a partir do desenvolvimento de uma metodologia padrão pode-se criar um arcabouço de software para o desenvolvimento de aplicações voltadas à detecção de anomalia utilizando informações de fluxo de pacotes. O foco deste trabalho é o desenvolvimento desta metodologia que terá por base Energy-based Flow Classifier (EFC, https://arxiv.org/pdf/1910.07266.pdf) que por sua vez é derivado de conceitos da física estatística invertida. EFC alia vantagens como baixa complexidade computacional e robustez na derivação do modelo estatístico. (AU)