método híbrido de detecção de intrusão aplicando inteligência artificial cristiano antonio de souza

142 Pages·2017·1.93 MB·Portuguese

UNIVERSIDADE ESTADUAL DO OESTE DO PARANÁ
CAMPUS DE FOZ DO IGUAÇU
PROGRAMA DE PÓS-GRADUAÇÃO EM
ENGENHARIA ELÉTRICA E COMPUTAÇÃO
DISSERTAÇÃO DE MESTRADO
MÉTODO HÍBRIDO DE DETECÇÃO DE INTRUSÃO
APLICANDO INTELIGÊNCIA ARTIFICIAL
CRISTIANO ANTONIO DE SOUZA
FOZ DO IGUAÇU
2018

Cristiano Antonio de Souza
Método Híbrido de Detecção de Intrusão Aplicando
Inteligência Artificial
DissertaçãodeMestradoapresentadaaoProgramade
Pós-Graduação em Engenharia Elétrica e Computa-
ção como parte dos requisitos para obtenção do tí-
tulo de Mestre em Engenharia Elétrica e Computa-
ção. Área de concentração: Sistemas Dinâmicos e
Energéticos.
Orientador: Prof. Dr. RenatoBobsinMachado
FozdoIguaçu
2018
ii
Método Híbrido de Detecção de Intrusão Aplicando
Inteligência Artificial
Cristiano Antonio de Souza
EstaDissertaçãodeMestradofoiapresentadaaoProgramadePós-Graduaçãoem
EngenhariaElétricaeComputaçãoeaprovadapelaBancaExaminadora:
Datadadefesapública: 09/02/2018.
Prof. Dr. Prof. Dr. RenatoBobsinMachado-(Orientador)
UniversidadeEstadualdoOestedoParaná-UNIOESTE
Prof. Dr. JoãoBoscoMangueiraSobral
UniversidadeFederaldeSantaCatarina-UFSC
Prof. Dr. RomeuReginatto
UniversidadeEstadualdoOestedoParaná-UNIOESTE
iv
Resumo
As últimas décadas têm sido marcadas pelo rápido desenvolvimento tecnológico, o qual
foiaceleradopelacriaçãodasredesdecomputadores,eenfaticamentepeladisseminaçãoecres-
cimento da Internet. Como consequência deste contexto, dados privados e sigilosos das mais
diversas áreas passaram a ser tratados e armazenados em ambientes distribuídos, tornando-se
vital a segurança dos mesmos. Decorrente ao fato, observa-se um crescimento na quantidade
e variedade de ataques a sistemas computacionais, principalmente pela exploração de vulnera-
bilidades. Em função desse contexto, a área de pesquisa em detecção de intrusão tem ganhado
notoriedade, e os métodos híbridos de detecção utilizando técnicas de Inteligência Artificial
vêm alcançando resultados mais satisfatórios do que a utilização de tais abordagens de modo
individual. Este trabalho consiste em um método Híbrido de detecção de intrusão combinando
as técnicas Redes Neurais Artificiais (RNA) e K-Nearest Neighbors (KNN). A avaliação do
método Híbrido proposto e a comparação com as técnicas de RNA e KNN isoladamente fo-
ramdesenvolvidasdeacordocomasetapasdoprocessodeKnowledgeDiscoveryinDatabases
(KDD) . Para a realização dos experimentos selecionou-se a base de dados pública NSL-KDD,
sendo que com o processo de seleção de atributos derivou-se cinco sub-bases. Os resultados
experimentais comprovaram que o método Híbrido teve melhor acurácia em relação a RNA
em todas as configurações, ao passo que em relação ao KNN, alcançou acurácia equivalente e
apresentourelevantereduçãonotempodeprocessamento. Porfim,caberessaltarquedentreas
configurações híbridas avaliadas quantitativa e estatisticamente, os melhores desempenhos em
termosdeacuráciaetempodeclassificaçãoforamobtidospelasabordagenshíbridasHIB(P25-
N75)-C,HIB(P25-N75)-30eHIB(P25-N75)-20.
Palavras-chave: RedesNeuraisArtificiais,K-NearestNeighbor,SegurançaComputacional.
v
Abstract
Thelastdecadeshavebeenmarkedbyrapidtechnologicaldevelopment,whichwasaccelerated
by the creation of computer networks, and emphatically by the spread and growth of the Inter-
net. As a consequence of this context, private and confidential data of the most diverse areas
begantobetreatedandstoredindistributedenvironments,makingvitalthesecurityofthisdata.
Due to this fact, the number and variety of attacks on computer systems increased, mainly due
to the exploitation of vulnerabilities. Thence, the area of intrusion detection research has gai-
ned notoriety, and hybrid detection methods using Artificial Intelligence techniques have been
achieving more satisfactory results than the use of such approaches individually. This work
consistsofaHybridmethodofintrusiondetectioncombiningArtificialNeuralNetwork(ANN)
andK-NearestNeighborsKNNtechniques. TheevaluationoftheproposedHybridmethodand
the comparison with ANN and KNN techniques individually were developed according to the
stepsoftheKnowledgeDiscoveryinDatabasesprocess. Fortherealizationoftheexperiments,
theNSL-KDDpublicdatabasewasselectedand,withtheattributeselectiontask,fivesub-bases
were derived. The experimental results showed that the Hybrid method had better accuracy in
relation to ANN in all configurations, whereas in relation to KNN, it reached equivalent accu-
racy and showed a significant reduction in processing time. Finally, it should be emphasized
that among the hybrid configurations evaluated quantitatively and statistically, the best perfor-
mances in terms of accuracy and classification time were obtained by the hybrid approaches
HIB(P25-N75)-C,HIB(P25-N75)-30andHIB(P25-N75)-20.
Keywords: ArtificialNeuralNetworks,K-NearestNeighbor,NetworkSecurity.
vi
Agradecimentos
Agradeço primeiramente a minha família, meus pais Valderi Francisco de Souza e Maria
TerezaRamadeSouza,eameuirmãoCristianRobsondeSouza,peloamorecarinhodemons-
trado,epeladedicaçãoemfornecertodasascondiçõesparaalcançarmeusobjetivos,porissoe
pormuitomais,soueternamentegrato.
Agradeço ao professor, orientador e amigo Renato Bobsin Machado pelas suas orienta-
çõeseseuapoio,durantetodaaelaboraçãodestetrabalho.
Agradeço ao grande amigo e colega de estudos Gustavo dos Santos Vieira, por todos
estes anos de convivência e companheirismo na universidade e no laboratório. Além disso
agradeçoaoGustavoeaosamigosGustavoJohanneJeanDouglasValêncioportodacompanhia
eparceriaforadauniversidade,todososjogosdefutebolassistidos,todasaspartidasdefutebol
jogadaseatodososchoppsbrindados.
AgradeçoàgrandeamigaecolegademestradoMaillaSpricigo,portodocompanheirismo
eajudaduranteodesenvolvimentodestetrabalho.
Agradeço também aos amigos Thiago Toledo e Matheus Bainy pela amizade e compa-
nheirismocultivadoduranteomestradoeasrodadasdechopp.
Agradeço à amiga Pamela Ferreira, pela amizade e incentivo durante todo o período de
realizaçãodestetrabalho.
Agradeço aos demais pesquisadores e amigos do Laboratório de Pesquisa em Segurança
Computacional (LaPSeC) da Unioeste, Alisson Flecha, Lanna Schuster, Natan Paredes, Wil-
lian Antonio de Rosa, por toda a convivência e troca de conhecimento, que proporcionou um
ambienteextremamenteamigávelefavorávelparaodesenvolvimentodestetrabalho.
Também agradeço a Universidade Federal do Paraná (UFPR), que através do Centro de
Computação Científica e Software Livre (C3SL) permitiu o uso do computador de alto desem-
penho(HPC),ondeforamrealizadostodososexperimentos.
Agradeço à CAPES (Coordenação de Aperfeiçoamento de Pessoal de Nível Superior)
pelaconcessãodebolsaduranteoperíododerealizaçãodestetrabalho.
Agradeço ainda ao Programa de Pós-Graduação em Engenharia Elétrica e Computação,
da Universidade Estadual do Oeste do Paraná, campus Foz do Iguaçu, pelo apoio prestado ao
LaPSeC,fatoqueauxiliouemgrandeproporçãonarealizaçãodestetrabalho.
vii
viii