1. Biblioteca Digital de Teses e Dissertações da UFCG
  2. Campus Campina Grande | Centro de Engenharia Elétrica e Informática - CEEI
  3. CURSOS DE GRADUAÇÃO DO CEEI
  4. Curso de Bacharelado em Ciência da Computação
  5. Trabalho de Conclusão de Curso - Artigo - Ciência da Computação
Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20550
Full metadata record
DC FieldValueLanguage
dc.creator.IDSOUTO, T. H. D.pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/9606835453291160pt_BR
dc.contributor.advisor1PEREIRA, Eanes Torres.
dc.contributor.advisor1IDPEREIRA, E. T.pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2030738304003254pt_BR
dc.contributor.referee1MOURA, José Antão Beltrão.
dc.contributor.referee1IDMOURA, E. T. P.pt_BR
dc.contributor.referee2MASSONI, Tiago Lima.
dc.contributor.referee2IDMASSONI, T. L.pt_BR
dc.description.resumoA indústria de malwares continua a ser um mercado organizado e eficiente dedicado a invadir meios de segurança tradicionais [1]. Uma vez que um sistema é infectado, indivíduos mal intencionados podem causar prejuízos para pessoas e empresas de diversas formas. O propósito deste trabalho é prever, através da implementação de técnicas de classificação, se um sistema é vulnerável. O estudo faz a avaliação dos algoritmos Random Forest e LGBM aplicados aos dados de máquinas com sistemas operacionais Windows . Utilizaremos um conjunto de dados que a Microsoft disponibilizou em uma plataforma online, esses dados são divididos em treino e teste com informações sobre máquinas que utilizam seus sistemas operacionais. Para ir além, o estudo realizado pode ser útil como base para pesquisas mais aprofundadas no campo de análise de vulnerabilidades com métodos de machine learning e processamento de dados.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCentro de Engenharia Elétrica e Informática - CEEIpt_BR
dc.publisher.initialsUFCGpt_BR
dc.subject.cnpqCiência da Computação.pt_BR
dc.titleTécnicas de aprendizagem de máquina para detecção de sistemas vulneráveis.pt_BR
dc.date.issued2019-11-25
dc.identifier.urihttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20550
dc.date.accessioned2021-08-12T19:07:42Z
dc.date.available2021-08-12
dc.date.available2021-08-12T19:07:42Z
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.subjectAprendizagem de máquinapt_BR
dc.subjectVulnerabilidade de sistemaspt_BR
dc.subjectAlgoritmo Random Forestpt_BR
dc.subjectAlgoritmo LGBMpt_BR
dc.subjectSistemas vulneráveispt_BR
dc.subjectProcessamento de dadospt_BR
dc.subjectMachine learningpt_BR
dc.subjectMachine learningpt_BR
dc.subjectSystems Vulnerabilitypt_BR
dc.subjectRandom Forest Algorithmpt_BR
dc.subjectLGBM Algorithmpt_BR
dc.subjectVulnerable systemspt_BR
dc.subjectData processingpt_BR
dc.rightsAcesso Abertopt_BR
dc.creatorSOUTO, Thales Henrique Dantas.
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.languageporpt_BR
dc.title.alternativeMachine learning techniques for detecting vulnerable systemspt_BR
dc.identifier.citationSOUTO, Thales Henrique Dantas. Técnicas de aprendizagem de máquina para detecção de sistemas vulneráveis. 2019. 12f. (Trabalho de Conclusão de Curso - Artigo) – Curso de Bacharelado em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20550pt_BR
Appears in Collections:Trabalho de Conclusão de Curso - Artigo - Ciência da Computação

Files in This Item:
File Description SizeFormat 
THALES HENRIQUE DANTAS SOUTO - TCC CIÊNCIA DA COMPUTAÇÃO 2019.pdfThales Henrique Dantas Souto - TCC Ciência da Computação 2019.329.52 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.