Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/37849
Title in Portuguese: Classificação de tráfego e dos dispositivos de IoT através do fluxo de rede e inspeção da carga útil dos pacotes
Title: IoT traffic and device classification through network flow and packet payload inspection
Author: Santos, Matias Romário Pinheiro dos
Advisor(s): Callado, Arthur de Castro
Keywords: Internet das coisas
Tráfego de rede
Inspeção do conteúdo
Classificação de tráfego
Issue Date: 2018
Citation: SANTOS, Matias Romário Pinheiro dos. Classificação de tráfego e dos dispositivos de IoT através do fluxo de rede e inspeção da carga útil dos pacotes. 2018. 94 f. Dissertação (Mestrado em Ciência da Computação)-Universidade Federal do Ceará, Fortaleza, 2018.
Abstract in Portuguese: Internet das coisas surge como um paradigma computacional que promove a interconexão de objetos inteligentes à Internet e permite interação, eficiência operacional e comunicação. Com a crescente inclusão, na rede, de objetos inteligentes que possuem características como diversidade, heterogeneidade, mobilidade e baixo poder computacional, é fundamental desenvolver mecanismos que permitam gestão e controle. Além disso, é importante identificar se os ativos estão funcionando corretamente ou têm anomalias. As técnicas de classificação de tráfego são importantes para auxiliar a análise de rede e para lidar com muitos outros aspectos chave, como segurança, gerenciamento, controle de acesso e aprovisionamento de recursos. Mecanismos de classificação de tráfego ainda apresentam dificuldades quando aplicados em ambientes dinâmicos e sem conhecimento dos serviços, especialmente com criptografia. A fim de promover a classificação dos dispositivos de rede e o tráfego, especialmente de IoT, é apresentada uma técnica que utiliza a floresta aleatória (Random Forest), um algoritmo de aprendizado automático supervisionado, juntamente com a inspeção do conteúdo dos pacotes para este fim. Outrossim, é utilizado o mesmo algoritmo para executar a classificação do tráfego de rede através das características extraídas do fluxo de rede. Ao final desta dissertação, será apresentada a estratégia proposta em cenários de IoT e os resultados adquiridos.
Abstract: Internet of things arises as a computational paradigm that promotes the interconnection of intelligent objects to the Internet and allows interaction, operational efficiency, and communication. With the growing inclusion, in the network, of intelligent objects that have characteristics such as diversity, heterogeneity, mobility, and low computational power, it is essential to develop mechanisms that allow management and control. In addition, it is important to identify whether the assets are functioning properly or have anomalies. Traffic classification techniques are important to assist network analysis and to handle many other key aspects, such as security, management, access control, and resource supply. Traffic classification mechanisms still present difficulties when applied in dynamic environments and without knowledge of services, especially with cryptography. In order to promote the classification of the network devices and traffic, especially IoT, a technique is presented that uses the random forest (random forest), an automated learning algorithm supervised, together with the inspection of the contents of the packages To this end. Additionally, the same algorithm is used to perform the classification of network traffic through the characteristics extracted from the network flow. At the end of this dissertation, the proposed strategy will be presented in IoT scenarios and the results.
URI: http://www.repositorio.ufc.br/handle/riufc/37849
metadata.dc.type: Dissertação
Appears in Collections:DCOMP - Dissertações defendidas na UFC

Files in This Item:
File Description SizeFormat 
2018_dis_mrpsantos.pdf1,34 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.