Search

Submitted by DOUGLAS WILLER FERRARI LUZ VILELA (douglas.ferrari@ifmt.edu.br) on 2021-09-22T18:49:13Z No. of bitstreams: 1 Tese-Douglas_vf-BIBLIOTECA-23-09.pdf: 2308267 bytes, checksum: e000cedbf4fbc799f8ae3b81331b37a3 (MD5) Approved for entry into archive by Raiane da Silva Santos (raiane.santos@unesp.br) on 2021-09-22T19:53:44Z (GMT) No. of bitstreams: 1 vilela_dwfl_dr_ilha.pdf: 2308267 bytes, checksum: e000cedbf4fbc799f8ae3b81331b37a3 (MD5) Made available in DSpace on 2021-09-22T19:53:44Z (GMT). No. of bitstreams: 1 vilela_dwfl_dr_ilha.pdf: 2308267 bytes, checksum: e000cedbf4fbc799f8ae3b81331b37a3 (MD5) Previous issue date: 2021-07-27 As redes de comunicação sem fio IEEE 802.11 possuem diversas vulnerabilidades, e os ataques de negação de serviço são considerados uma das suas principais ameaças. A primícias básica do ataque de negação de serviço pauta-se pela indisponibilidade dos recursos e serviços da rede. A maioria das técnicas aplicadas no ataque de negação de serviço em redes sem fio exploram a falta de proteção dos quadros de gerenciamento e controle do quadro MAC do IEEE 802.11. Garantir a segurança absoluta de um ambiente de rede sem fio não é possível, porém pode-se adicionar camadas extras de proteção para redução do risco de incidentes de segurança. Os sistemas de detecção de intrusão (IDS, do inglês Intrusion Detection System) são ferramentas utilizadas no monitoramento do tráfego da rede e identificação de eventos anômalos. No entanto, um dos grandes gargalos dos sistemas de detecção de intrusão é encontrar conjuntos de dados públicos que caracterizem o funcionamento normal e anômalo de uma rede sem fio. Com objetivo de mitigar as vulnerabilidades das redes sem fio e sanar o problema de caracterização do comportamento da rede, foi desenvolvido nesta pesquisa um algoritmo de detecção de intrusão baseado no modelo de rede neural artificial ARTMAP Fuzzy. O trabalho foi realizado em quatro etapas: seleção da rede sem fio IEEE 802.11; avaliação da rede IEEE 802.11; construção, padronização e pré-processamento do conjunto de dados; e resultados gerados pelo algoritmo de detecção de intrusão. Os resultados obtidos demostram que o IDS possui alta capacidade de detecção de intrusão em redes sem fio e utiliza poucos recursos computacionais para processar os dados. A taxa média de detecção foi de 98,9% e a taxa de falso positivo foi menor que 1,2%. A seleção de um cenário de rede sem fio real e com características heterogêneas, foi fundamental para construção de um conjunto de dados com atributos representativos do comportamento normal e criação de assinaturas anômalas. A rede neural ARTMAP Fuzzy confirmou a eficiência do IDS, atestando as características da estabilidade e plasticidade. IEEE 802.11 wireless communication networks have several vulnerabilities, and the attacks called denial of service are the principal threat. The bases of this kind of attack are the unavailability of the resources and network services. Most of the techniques applied to the denial of service in wireless networks explore the lack of protection in management and control of IEEE 802.11 MAC. Absolute security in wireless environment is difficult to assure, however extra protection layers can be added to reduce the risk of security incidents. The IDS (Intrusion Detection System) contains tools that monitor the traffic in the network and identify anomalous events. Nonetheless, the great difficulty of the IDS is to find public dataset that characterize the normal and anomalous operation of wireless network. To mitigate the vulnerabilities of the wireless network and solve the problem of characterizing the network behavior, this research develops an algorithm of intrusion detection based on Fuzzy ARTMAP Artificial Neural Network. Results show that the IDS has high capacity of detecting intrusions in wireless networks with few computational resources to process the data. The medium detection rate is 98.9% and false positive rate is less than 1.2%. The selection of a wireless scenery with heterogeneity characteristic is fundamental to build a dataset with representative attributes of normal and anomalous behavior. The Fuzzy ARTMAP neural network confirms the efficiency of IDS proving its proprieties of stability and plasticity.

Submitted by Edivaldo Pastori Valentini (ep.valentini@unesp.br) on 2020-10-09T03:45:13Z No. of bitstreams: 1 valentini_ep_me_sjrp.pdf: 3424498 bytes, checksum: 11df09cb1e9d4c2f25670618408a7fbc (MD5) Approved for entry into archive by Elza Mitiko Sato null (elzasato@ibilce.unesp.br) on 2020-10-09T13:57:53Z (GMT) No. of bitstreams: 1 valentini_ep_me_sjrp.pdf: 3424498 bytes, checksum: 11df09cb1e9d4c2f25670618408a7fbc (MD5) Made available in DSpace on 2020-10-09T13:57:53Z (GMT). No. of bitstreams: 1 valentini_ep_me_sjrp.pdf: 3424498 bytes, checksum: 11df09cb1e9d4c2f25670618408a7fbc (MD5) Previous issue date: 2020-09-03 O aumento das tecnologias computacionais aos meios de transportes, principalmente nos veículos, tem proporcionado grandes benefícios através dos Sistemas de Transporte Inteligente (STI). Condutores, passageiros e pedestres, usufruem de aplicações computacionais dirigidas à proteção da vida humana, entre agilidades na prestação de socorro, melhorias no trânsito e até recursos de lazer e entretenimento. A comunicação e a troca de dados, entre veículos, aplicações e dispositivos de transmissão, são realizadas pela arquitetura de rede ad hoc veicular (VANET). No entanto, este tipo de rede difere das tradicionais, pois opera em um ambiente altamente dinâmico, originado pela rápida mobilidade entre seus nós e com curtos intervalos de conexões. A comunicação sem fio adota o padrão IEEE 802.11p, a qual permite que os veículos operem fora de um conjunto básico de serviços. Na presença destas características, surgem inúmeras superfícies de ataques, ameaças e exploração de vulnerabilidades. Buscando melhorar a segurança e a proteção da vida humana, envolvidas neste ambiente, justificamos nosso estudo em proporcionar melhorias aos sistemas de transporte inteligente. Motivados a desenvolver um mecanismo de segurança para detecção de intrusão e ameaças, inerentes aos recursos computacionais do cenário de transporte. Levando em consideração as limitações de hardware e software, empregou-se a técnica de detecção de anomalias por meio de modelos estatísticos. Veículos identificados como suspeitos serão armazenados em uma lista de reputação, para finalidades informativas. A implementação, análises e validação dos resultados são realizadas por meio do processo de simulação. Neste trabalho utilizou-se o simulador de redes - Network Simulator 3.30, para implementação da rede veicular. Para simulações reais da mobilidade e do tráfego urbano, foi aplicado o simulador SUMO 1.5.0. The increase of computational technologies to the means of transport, mainly in vehicles, has provided great benefits through Intelligent Transport Systems (STI). Drivers, passengers and pedestrians enjoy computer applications aimed at protecting human life, including agility in the provision of assistance, improvements in traffic and even leisure and entertainment resources. Communication and data exchange between vehicles, applications and transmission devices are carried out using the vehicle ad hoc network architecture (VANET). However, this type of network differs from traditional ones, as it operates in a highly dynamic environment, originated by the rapid mobility between its nodes and with short connection intervals. Wireless communication adopts the IEEE 802.11p standard, which allows vehicles to operate outside a basic set of services. In the presence of these characteristics, numerous surfaces of attacks, threats and exploitation of vulnerabilities arise. Seeking to improve the safety and protection of human life, involved in this environment, we justify our study in providing improvements to intelligent transport systems. Motivated to develop a security mechanism for intrusion and threat detection, inherent to the computational resources of the transport scenario. Taking into account the limitations of hardware and software, anomaly detection technique using statistical models was used. Vehicles identified as suspicious will be stored on a reputation list for informational purposes. The implementation, analysis and validation of the results are carried out through the simulation process. In this work, the network simulator - Network Simulator 3.30 was used to implement the vehicular network. For real simulations of mobility and urban traffic, the SUMO 1.5.0 simulator was applied.

FACEPE A Controller Area Network (CAN) é a tecnologia de rede intraveicular mais presente em automóveis. Apesar disso, como a CAN não foi projetada para se defender de ataques cibernéticos, soluções para mitigar estes ataques têm sido propostas nos últimos anos. Trabalhos anteriores mostraram que detectar anomalias no tráfego da rede CAN é uma solução promissora para o aumento da segurança veicular. Um dos principais desafios na prevenção da transmissão de um quadro CAN malicioso é a capacidade de detectar anomalias até o fim da transmissão do quadro. Este trabalho apresenta um sistema de detecção de intrusão de tempo real e baseado em anomalias capaz de atender a esse deadline através da utilização do algoritmo de detecção Isolation Forest implementado em uma linguagem de descrição de hardware. Uma taxa de verdadeiro positivo maior que 99% foi alcançada nos cenários de teste. O sistema requer menos que 1s para avaliar o payload de um quadro, portanto sendo possível detectar a anomalia antes do fim do quadro. The Controller Area Network (CAN) is the most pervasive in-vehicle network technology in cars. However, since CAN was designed with no security concerns, solutions to mitigate cyber attacks on CAN networks have been proposed in the last years. Prior works have shown that detecting anomalies in the CAN network traffic is a promising solution for increasing vehicle security. One of the main challenges in preventing a malicious CAN frame transmission is to be able to detect the anomaly before the end of the frame. This work presents a real-time anomaly-based Intrusion Detection System (IDS) capable of meeting this deadline by using the Isolation Forest detection algorithm implemented in a hardware description language. A true positive rate higher than 99% is achieved in test scenarios. The system requires less than 1s to evaluate a frame’s payload, thus being able to detect the anomaly before the end of the frame.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES In the security field, anomaly detection techniques have been developed to detect traffic patterns related to attacks or malicious activities and are often referred to as anomalies. Particularly, some anomalies can represent attackers launching Distributed Denial-of-Service (DDoS) in order to degrade services availability. Threats in the DoS category can involve early-stage actions such as probe attacks. In this type of attack, a network is scanned in order to find vulnerable hosts and compromise them. As a result, the detected vulnerabilities enable unauthorized access to the machines through user to root (U2R) and remote to local (R2L) attacks. The compromised machines could be used in order to cause a denial of service against a particular target. These attack classes include threats that can hide in normal traffic due to low required attack intensity. In addition, anomaly-based detection techniques have a high false alarm rate, which helps in reducing the detection efficiency. This work aims to present a security model with detection and prevention functions against attacks that exploit the vulnerabilities of the cloud infrastructure to mitigate the previously mentioned problems. This model consists of the concepts of immunology, alert correlation, and software-defined networks (SDN). It consists of a distributed intrusion detection system based on anomaly detection within the artificial immune system (AIS) approach and attack graph correlation. Through this approach, an anomaly-based intrusion detection system inside the AIS field works with attack graph based correlation. The Negative Selection, Clonal Selection and Immune Network algorithms are used to implement an agent-based detection system to analyze network traffic. The described system works in conjunction with attack graphs and an alert correlation algorithm which can aid in the false alarm reduction rate. Attack graphs can also aid in the countermeasure selection through SDN technology. The SDN countermeasures can assist in attack prevention through traffic redirection, traffic isolation, network topology change, and IP address change. The proposed system was tested through the network traffic collected from the virtual machines on Amazon Web Service (AWS). The collected traffic data was converted to datasets in the NSL-KDD format. The addition of alert correlation technique in the proposed security approach increased detection efficiency for all studied attack classes. Na área de segurança, técnicas de detecção de anomalia foram desenvolvidas com o objetivo de detectar padrões de tráfego que representam ataques ou atividades maliciosas e são frequentemente referidos como anomalias. Particularmente, algumas anomalias podem estar associadas a invasores que executam ataques de negação de serviço distribuído (Distributed Denial-of-Service - DDoS) para degradar a disponibilidade de serviços online. Ameaças na categoria DoS podem envolver estágios iniciais, como ataques de reconhecimento. Nesse tipo de ameaça, a rede é escaneada com o objetivo de encontrar máquinas vulneráveis e comprometê-las. Dessa forma, as vulnerabilidades detectadas possibilitam o acesso não autorizado às máquinas por meio de ataques nas classes de usuário para super usuário (U2R) e remoto para local (R2L). As máquinas comprometidas podem ser utilizadas com o intuito de provocar a negação de serviço contra determinado alvo. Essas classes contém ataques que podem se esconder no tráfego normal devido à baixa intensidade de ataque requerida. Além disso, as técnicas de detecção baseadas em anomalia apresentam uma alta taxa de alarmes falsos, o que prejudica a eficácia da detecção. Para atenuar esses problemas, o presente trabalho tem como objetivo apresentar uma abordagem de segurança com a função de detectar e mitigar ataques que exploram vulnerabilidades da infraestrutura da nuvem. Essa abordagem consiste nos conceitos de imunologia, correlação de alertas e redes programáveis. A partir dela, um sistema de detecção de intrusão baseado em anomalia, e dentro da abordagem imunológica, é utilizado em conjunto com uma técnica de correlação de alertas baseada em grafos de ataque. Neste trabalho, os algoritmos de seleção negativa, seleção clonal e rede imune são usados para implementar um sistema de detecção baseado em agentes distribuídos para analisar o tráfego de rede. O sistema descrito é utilizado com o auxílio de grafos de ataque, a partir do qual um algoritmo de correlação de alertas pode auxiliar na taxa de redução de alarmes falsos. Grafos de Ataque podem também auxiliar na seleção de contramedidas baseadas na tecnologia de redes programáveis (SDN - Software Defined Networks), a partir da qual podem ser executadas medidas de prevenção como redirecionamento, ou isolamento do tráfego, variação na topologia da rede, e mudanças de endereços IP. A abordagem proposta foi testada a partir do tráfego de rede coletado das máquinas virtuais do Amazon Web Service (AWS), onde para sua análise ele foi convertido para datasets no formato NSL-KDD. A adição da técnica de correlação aumentou a eficácia da detecção para todas as classes de ataques estudadas. São Cristóvão, SE