Detecção de Anomalias em Fluxos de Redes de Computadores Utilizando Técnicas de Redes Neurais e Estimadores Lineares

Nesta dissertação, apresenta-se uma proposta de metodologia para a identificação de anomalias em fluxos de redes de computadores, com o uso de redes neurais artificiais (Perceptron) e estimadores lineares. A metodologia proposta foi verificada em uma rede de computadores real, a Rede-Rio de Computadores, a qual tem seu tráfego coletado e particionado em cinco séries discretas, utilizadas como base para métricas que definam, em conjunto, uma assinatura matemática em condições de normalidade. Os resultados são analisados e discutidos, sendo avaliada a efetividade real da metodologia proposta na identificação de anomalias simuladas, do tipo ciberataque. Por fim, como contribuição relevante, tem-se como legado o protótipo da ferramenta de monitoramento on-line de anomalias na Rede-Rio de Computadores, denominado Anomalia RNA-Perceptron, pelo Laboratório de Redes de Alta Velocidade - RAVEL do COPPE/UFRJ.