Correlacionando Fontes de Informação Heterogêneas para a Predição de Ataques DDoS

• Processo: 23/13307-9
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2023
• Data de Término da vigência: 30 de setembro de 2024
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Michele Nogueira Lima
• Beneficiário: Lucas Albano Olive Cruz
• Instituição Sede: Instituto de Ciências Exatas (ICEx). Universidade Federal de Minas Gerais (UFMG). Belo Horizonte , SP, Brasil
• Vinculado ao auxílio: 18/23098-0 - MENTORED: Da Modelagem à Experimentação - Predizendo e detectando ataques DDoS e zero-day, AP.TEM
• Assunto(s): Internet das coisas Segurança de redes Segurança cibernética
• Palavra(s)-Chave do Pesquisador: Ambiente de Testes | Internet das Coisas | Segurança de Redes | Cibersegurança

Resumo

As fontes de informação são essenciais para a eficiente predição e detecção de ataques DDoS. A eficiência está diretamente relacionada a qualidade dessas fontes de informação, mas nem sempre conseguem-se todos os requisitos para predição e detecção eficientes em uma única fonte. Assim, a correlação de fontes de informação se apresenta como uma ferramenta importante para enriquecer a informação de base usada na tomada de decisão pelos mecanismos de predição e detecção empregados. Sem dúvida, correlacionar fontes de informação heterogêneas não é uma tarefa fácil. São vários os desafios, desde os formatos dos dados, os momentos diferentes das visões adquiridas e principalmente o volume de dados necessário a ser tratado. Assim, nesse projeto de iniciação científica, pretende-se analisar como correlacionar duas fontes de dados heterogêneas e aplicar essa correlação na predição de ataques DDoS no contexto de IoT tratado no escopo do projeto MENTORED. (AU)