A Prediction-based Approach for Anomaly Detection in the Cloud

• Bruno L. Dalmazo UFRGS / University of Coimbra
• João P. Vilela University of Coimbra
• Marilia P. Curado University of Coimbra

DOI: https://doi.org/10.5753/sbrc_estendido.2019.7786

Resumo

Este documento fornece uma visão geral das principais contribuições do meu trabalho de doutorado. Esse trabalho objetiva aumentar a segurança e a confiabilidade do ambiente de computação em nuvem através do desenvolvimento de um modelo para predição do tráfego de rede, uma abordagem para detectar anomalias que depende da predição do tráfego de rede, bem como um mecanismo para agregar alarmes similares oriundos de um sistema de detecção de intrusão no contexto de computação em nuvem. Os benefícios e desvantagens das contribuições foram demostrados com simulações usando dados públicos coletatos de monitorimento de redes reais. Além disso, a avaliação foi conduzida a partir de métricas conhecidas e os resultados mostram que os mecanismos propostos foram capazes de superar propostas similares na literatura.

Referências

Ballani, H., Costa, P., Karagiannis, T., and Rowstron, A. (2011). Towards predictable datacenter networks. In Proceedings of the ACM SIGCOMM 2011 Conference (SIGCOMM’ 11), volume 41, pages 242–253.

Baumast, A. (2013). Carbon Disclosure Project. Encyclopedia of corporate social responsibility, volume 21. Springer Berlin Heidelberg.

Dainotti, A., Pescape, A., and Claffy, K. (2012). Issues and future directions in traffic classification. Network, IEEE, 26(1):35–40.

Dalmazo, B. L., Vilela, J. P., and Curado, M. (2013). Predicting Traffic in the Cloud: A Statistical Approach. In Third International Conference on Cloud and Green Computing (CGC’13), 2013, pages 121–126.

Dalmazo, B. L., Vilela, J. P., and Curado, M. (2014). Online Traffic Prediction in the Cloud: A DynamicWindow Approach. In The 2nd International Conference on Future Internet of Things and Cloud (FiCloud’2014), pages 9–14.

Dalmazo, B. L., Vilela, J. P., and Curado, M. (2015). A SVM Model based on Network Traffic Prediction for Detecting Anomalies. In 21th edition of the Portuguese Conference on Pattern Recognition.

Dalmazo, B. L., Vilela, J. P., and Curado, M. (2016a). Online Traffic Prediction in the Cloud. International Journal of Network Management, 26(4):269–285.

Dalmazo, B. L., Vilela, J. P., and Curado, M. (2017a). Performance Analysis of Network Traffic Predictors in the Cloud. Journal of Network and Systems Management, 25(2):290–320.

Dalmazo, B. L., Vilela, J. P., and Curado, M. (2017b). Security and trustworthiness in cloud computing. In Meeting with Science and Technology in Portugal.

Dalmazo, B. L., Vilela, J. P., and Curado, M. (2018). Triple-Similarity Mechanism for Alarm Management in the Cloud. Computers & Security - Elsevier, 78:33–42.

Dalmazo, B. L., Vilela, J. P., Simoes, P., and Curado, M. (2016b). Expedite Feature Extraction for Enhanced Cloud Anomaly Detection. In IEEE/IFIP Network Operations and Management Symposium (NOMS’16), pages 1215–1220.

Gilmer, E. M. (2011). Is There a Silver Lining for the Environment in Cloud Computing? The New York Times, 10 August.

Hubballi, N. and Suryanarayanan, V. (2014). False alarm minimization techniques in signature-based intrusion detection systems: A survey. Computer Communications, 49:1–17.

Khalimonenko, A., Kupreev, O., and Ilganaev, K. (2017). DDoS attacks in Q3 2017. Securelist.com. fOnline resourceg Available at: https://securelist.com/ddos-attacksin- q3-2017/83041/. [Accessed 20/03/18].

Networking, CISCO Global Cloud Index (2018). Cisco Global Cloud Index: Forecast and Methodology, 2016-2021 White Paper.

Patel, A., Taghavi, M., Bakhtiyari, K., and Junior, J. C. (2013). An intrusion detection and prevention system in cloud computing: A systematic review. Journal of Network and Computer Applications, 36(1):25–41.