Mostrar registro simples

dc.contributor.advisorSchaeffer Filho, Alberto Egonpt_BR
dc.contributor.authorFaustini, Pedro Henrique Arrudapt_BR
dc.date.accessioned2017-01-19T02:30:30Zpt_BR
dc.date.issued2016pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/151058pt_BR
dc.description.abstractUma rede de computadores é dita resiliente quando consegue manter níveis adequados de operação mesmo frente a anomalias, minimizando prejuízos aos usuários. Este trabalho propõe uma coordenação harmônica de diferentes técnicas a fim de promover resiliência para diferentes tipos de anomalias em redes definidas por software (SDN). Em especial, propõe-se que métricas de rede sejam coletadas e agrupadas em perfis, e cada perfil tenha um conjunto de ações que trate os problemas encontrados usando aprendizagem de máquina, virtualização de funções de rede (NFV) e controlador SDN. São abordadas anomalias tipicamente maliciosas, como ataques de negação de serviço, mas também benignas, como balanceamento de tráfego legítimo.pt_BR
dc.description.abstractA computer network is said to be resilient when it is able to keep appropriate levels of operation even against anomalies, minimising damage to users. This work proposes a harmonic coordination of different techniques in order to promote resilience for different kinds of anomalies in software-defined networks (SDN). In particular, it is proposed the gathering of network metrics and their grouping into profiles, each one having a set of actions to handle the encountered problems using machine learning, network functions virtualisation (NFV) and the SDN controller. Typically malicious anomalies are addressed, like denial of service attacks, as well as benign anomalies, such as legit traffic load balancing.en
dc.format.mimetypeapplication/pdf
dc.language.isoporpt_BR
dc.rightsOpen Accessen
dc.subjectRedes : Computadorespt_BR
dc.subjectSDNen
dc.subjectSeguranca : Redes : Computadorespt_BR
dc.subjectNFVen
dc.subjectReinforcement learningen
dc.subjectComputer networksen
dc.titleEmprego de NFV e aprendizagem de máquina para detectar e mitigar anomalias em redes definidas por softwarept_BR
dc.title.alternativeAdoption of NFV and machine learning to detect and mitigate anomalies in software-defined networks en
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.identifier.nrb001009831pt_BR
dc.degree.grantorUniversidade Federal do Rio Grande do Sulpt_BR
dc.degree.departmentInstituto de Informáticapt_BR
dc.degree.localPorto Alegre, BR-RSpt_BR
dc.degree.date2016pt_BR
dc.degree.graduationCiência da Computação: Ênfase em Ciência da Computação: Bachareladopt_BR
dc.degree.levelgraduaçãopt_BR


Thumbnail
   

Este item está licenciado na Creative Commons License

Mostrar registro simples