Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/46319
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2022_BrunoCarneirodaRocha.pdf1,39 MBAdobe PDFVisualizar/Abrir
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorSousa Júnior, Rafael Timóteo de-
dc.contributor.authorRocha, Bruno Carneiro da-
dc.date.accessioned2023-08-15T20:08:38Z-
dc.date.available2023-08-15T20:08:38Z-
dc.date.issued2023-08-15-
dc.date.submitted2022-12-13-
dc.identifier.citationROCHA, Bruno Carneiro da. Prevenindo ameaças persistentes avançadas em redes corporativas utilizando um modelo de segurança baseado em zero trust e UEBA. 2022. ix, 47 f., il. Dissertação (Mestrado em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2022.pt_BR
dc.identifier.urihttp://repositorio2.unb.br/jspui/handle/10482/46319-
dc.descriptionDissertação (mestrado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2022.pt_BR
dc.description.abstractMuitas organizações estão sendo alvos de diversos tipos de ataques. Um dos ataques mais perigosos é o chamado Ameaças Persistentes Avançadas (Advanced Persistent Threats - APT) pois ele é um ataque silencioso e focado na espionagem e roubo de informações, diferentemente de um ataque de negação de serviço (DoS), por exemplo. A solução proposta aborda a implementação de um modelo de segurança baseado em zero trust em conjunto com UEBA para traçar o perfil de comportamento do usuário e encontrar os comportamentos anômalos dos adversários com o objetivo de prevenir ataques APT em redes corporativas. A proposta consiste em utilizar os conceitos de machine learning especificamente dentro de cada micro-segmentação e analisar se houve a redução de falsos negativos.pt_BR
dc.language.isoporpt_BR
dc.rightsAcesso Abertopt_BR
dc.titlePrevenindo ameaças persistentes avançadas em redes corporativas utilizando um modelo de segurança baseado em zero trust e UEBApt_BR
dc.typeDissertaçãopt_BR
dc.subject.keywordAtaques cibernéticospt_BR
dc.subject.keywordAmeaças cibernéticaspt_BR
dc.subject.keywordAmeaças persistentes avançadaspt_BR
dc.subject.keywordSegurança cibernéticapt_BR
dc.subject.keywordAprendizagem de máquinapt_BR
dc.contributor.advisorcoMelo, Laerte Peotta de-
dc.description.abstract1Many organizations are being targeted by various types of attacks. One of the most dangerous attacks is called Advanced Persistent Threats (APT) as it is a silent attack and it’s main goal is spying and stealing information, different from a denial of service (DoS) attack, por example. The proposed solution addresses the implementation of a security model based on zero trust in conjunction with UEBA to profile user behavior and find anomalous behaviors of adversaries in order to prevent APT attacks on corporate networks. The proposal consists of using machine learning concepts specifically within each micro-segmentation and analyzing whether there was a reduction in false negatives.pt_BR
dc.contributor.emailbrunorocha_33@hotmail.compt_BR
dc.description.unidadeFaculdade de Tecnologia (FT)-
dc.description.unidadeDepartamento de Engenharia Elétrica (FT ENE)-
dc.description.ppgPrograma de Pós-Graduação em Engenharia Elétrica, Mestrado Profissional-
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro simples do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.