Detecção de Ataques DDoS em Redes SDN com Aprendizado Federado: Uma Comparação com Técnicas de Machine Learning Supervisionado

• Processo: 25/10108-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de agosto de 2025
• Data de Término da vigência: 31 de julho de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Kelton Augusto Pontara da Costa
• Beneficiário: Nicole Forsin Ribeiro Lopes
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Assunto(s): Aprendizado federado Segurança cibernética
• Palavra(s)-Chave do Pesquisador: Aprendizado federado | Ataque de Negação de Serviços Distribuídos - DDoS | Floresta Aleatória - RF | K-Vizinhos Mais Próximos - KNN | Máquinas de Vetores de Suporte - SVM | Redes Definidas por Software - SDN | Cibersegurança

Resumo

A adoção de redes definidas por software, do inglês Software Defined Network (SDN), têm aumentado de forma contínua ao longo dos anos. Segundo relatórios de tendências da Mordor Intelligence, em 2023, o mercado global de SDN foi avaliado em 11,91 bilhões de dólares e deve registrar uma taxa de crescimento anual composta de 22,8% entre 2024 e 2029, alcançando a marca de 33,25 bilhões de dólares. Apesar da virtualização da rede trazer diversos benefícios de implementação e gerenciamento, o desacoplamento do plano de controle e do plano de dados também introduz novos riscos de segurança. Nesse contexto, os ataques de negação de serviço distribuídos, do inglês Distributed Denial of Service (DDoS), são comuns nessas infraestruturas, uma vez que são capazes de interromper o tráfego habitual da rede ao inundar os servidores com solicitações ilegítimas. Esse fato, quando sobreposto a um cenário de crescimento de SDNs, mostra a necessidade de detectar e mitigar tais ataques de forma eficaz. Portanto, este projeto, com base em trabalhos publicados nos últimos anos, apresenta uma análise comparativa do uso de diferentes tipos de aprendizado de máquina para detecção de ataques DDoS em SDN com um método descentralizado, a fim de verificar quais técnicas entregam melhores resultados. De forma mais específica, a proposta de pesquisa busca explorar o comportamento da técnica chamada de Aprendizado Federado, do inglês Federated Learning (FL), um aprendizado distribuído, em comparação a algoritmos supervisionados centralizados, como o Random Forest, K-Nearest Neighbors e Support Vector Machine. (AU)