Avaliação de Métodos de Seleção de Características para Ataques de Inundação HTTP
Resumo
Em um mundo cada vez mais digital e conectado, a proteção dos servidores web torna-se essencial. Nesse contexto, o objetivo deste trabalho é realizar uma avaliação de métodos de seleção de características para detecção de anomalias geradas pelo ataque DoS Slowhttptes. Como resultado, busca-se contribuir para o avanço do conhecimento na área de detecção de anomalias e indicar um conjunto de características mais relevantes.
Referências
Al-gethami, W. and Aljuhani, A. (2022). Detection of http attacks using machine learning. In 2022 2nd International Conference on Computing and Information Technology (ICCIT), pages 344–348.
Bhargava, R., Pal Singh, Y., and Narawade, N. S. (2022). Implementation of machine learning based ddos attack detection system. In 2022 3rd International Conference for Emerging Technology (INCET), pages 1–5.
Dalmazo, B. L., Marques, J. A., Costa, L. R., Bonfim, M. S., Carvalho, R. N., da Silva, A. S., Fernandes, S., Bordim, J. L., Alchieri, E., Schaeffer-Filho, A., Paschoal Gaspary, L., and Cordeiro, W. (2021). A systematic review on distributed denial of service attack defense mechanisms in programmable networks. International Journal of Network Management, 31(6):e2163.
Dalmazo, B. L., Vilela, J. P., and Curado, M. (2018). Triple-similarity mechanism for alarm management in the cloud. Computers & Security, 78:33–42.
Najafabadi, M. M., Khoshgoftaar, T. M., Calvert, C., and Kemp, C. (2017). User behavior anomaly detection for application layer ddos attacks. In 2017 IEEE International Conference on Information Reuse and Integration (IRI), pages 4–16.
Sharafaldin, I., Lashkari, A. H., and Ghorbani, A. A. (2018). Toward generating a new intrusion detection dataset and intrusion traffic characterization. ICISSp, 1:108–116.
Simon, K. (2022). Digital 2022: October global statshot report. data reportal. Disponivel em: [link]. Acesso em: 10 de agosto de 2023.
Bhargava, R., Pal Singh, Y., and Narawade, N. S. (2022). Implementation of machine learning based ddos attack detection system. In 2022 3rd International Conference for Emerging Technology (INCET), pages 1–5.
Dalmazo, B. L., Marques, J. A., Costa, L. R., Bonfim, M. S., Carvalho, R. N., da Silva, A. S., Fernandes, S., Bordim, J. L., Alchieri, E., Schaeffer-Filho, A., Paschoal Gaspary, L., and Cordeiro, W. (2021). A systematic review on distributed denial of service attack defense mechanisms in programmable networks. International Journal of Network Management, 31(6):e2163.
Dalmazo, B. L., Vilela, J. P., and Curado, M. (2018). Triple-similarity mechanism for alarm management in the cloud. Computers & Security, 78:33–42.
Najafabadi, M. M., Khoshgoftaar, T. M., Calvert, C., and Kemp, C. (2017). User behavior anomaly detection for application layer ddos attacks. In 2017 IEEE International Conference on Information Reuse and Integration (IRI), pages 4–16.
Sharafaldin, I., Lashkari, A. H., and Ghorbani, A. A. (2018). Toward generating a new intrusion detection dataset and intrusion traffic characterization. ICISSp, 1:108–116.
Simon, K. (2022). Digital 2022: October global statshot report. data reportal. Disponivel em: [link]. Acesso em: 10 de agosto de 2023.
Publicado
23/10/2023
Como Citar
MUNDSTOCK, Iuri A.; BERRI, Rafael A.; DALMAZO, Bruno L..
Avaliação de Métodos de Seleção de Características para Ataques de Inundação HTTP. In: ESCOLA REGIONAL DE REDES DE COMPUTADORES (ERRC), 20. , 2023, Porto Alegre/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 127-132.
DOI: https://doi.org/10.5753/errc.2023.923.
