Técnicas de aprendizagem de máquina para detecção de sistemas vulneráveis.

Página inicial
→
Campus Campina Grande | Centro de Engenharia Elétrica e Informática - CEEI
→
CURSOS DE GRADUAÇÃO DO CEEI
→
Curso de Bacharelado em Ciência da Computação
→
Trabalho de Conclusão de Curso - Artigo - Ciência da Computação
→
Ver item

dc.creator.ID	SOUTO, T. H. D.	pt_BR
dc.creator.Lattes	http://lattes.cnpq.br/9606835453291160	pt_BR
dc.contributor.advisor1	PEREIRA, Eanes Torres.
dc.contributor.advisor1ID	PEREIRA, E. T.	pt_BR
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/2030738304003254	pt_BR
dc.contributor.referee1	MOURA, José Antão Beltrão.
dc.contributor.referee1ID	MOURA, E. T. P.	pt_BR
dc.contributor.referee2	MASSONI, Tiago Lima.
dc.contributor.referee2ID	MASSONI, T. L.	pt_BR
dc.description.resumo	A 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.country	Brasil	pt_BR
dc.publisher.department	Centro de Engenharia Elétrica e Informática - CEEI	pt_BR
dc.publisher.initials	UFCG	pt_BR
dc.subject.cnpq	Ciência da Computação.	pt_BR
dc.title	Técnicas de aprendizagem de máquina para detecção de sistemas vulneráveis.	pt_BR
dc.date.issued	2019-11-25
dc.identifier.uri	http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/20550
dc.date.accessioned	2021-08-12T19:07:42Z
dc.date.available	2021-08-12
dc.date.available	2021-08-12T19:07:42Z
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.subject	Aprendizagem de máquina	pt_BR
dc.subject	Vulnerabilidade de sistemas	pt_BR
dc.subject	Algoritmo Random Forest	pt_BR
dc.subject	Algoritmo LGBM	pt_BR
dc.subject	Sistemas vulneráveis	pt_BR
dc.subject	Processamento de dados	pt_BR
dc.subject	Machine learning	pt_BR
dc.subject	Machine learning	pt_BR
dc.subject	Systems Vulnerability	pt_BR
dc.subject	Random Forest Algorithm	pt_BR
dc.subject	LGBM Algorithm	pt_BR
dc.subject	Vulnerable systems	pt_BR
dc.subject	Data processing	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.creator	SOUTO, Thales Henrique Dantas.
dc.publisher	Universidade Federal de Campina Grande	pt_BR
dc.language	por	pt_BR
dc.title.alternative	Machine learning techniques for detecting vulnerable systems	pt_BR
dc.identifier.citation	SOUTO, 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/20550	pt_BR