Use este identificador para citar ou linkar para este item:
https://ric.cps.sp.gov.br/handle/123456789/15348
Título: | Machine learning: aplicabilidade em monitoramento de redes |
Título(s) alternativo(s): | Machine learning: applicability in network monitoring |
Autor(es): | MARCHI, Amadeu José FONSECA, Mauricio Zazeri |
Orientador(es): | BODÊ, Jonas |
Tipo documental: | Artigo científico |
Palavras-chave: | Machine learning;Monitoramento;Segurança de redes |
Data do documento: | 24-Out-2023 |
Editor: | 004 |
Referência Bibliográfica: | MARCHI, Amadeu José; FONSECA, Maurício Zazeri. Machine learning: aplicabilidade em monitoramento de redes, 2023. Trabalho de Conclusão de Curso (Curso Superior de Tecnologia em Segurança da Informação) - Faculdade de Tecnologia de Americana “Ministro Ralph Biasi”, Americana, 2023. |
Resumo: | Almejando uma maior eficiência, agilidade e produtividade, diversas organizações tendem a ampliar suas conectividades e sistemas não apenas às redes internas, mas também à Internet. Tal ampliação é capaz de se provar nociva à segurança da informação e sistemas daquela organização; com isso, a aplicação de sistemas de gerenciamento e monitoramento de redes tem se tornado cada vez mais necessária. Porém, com o aumento das requisições e acessos a um dado sistema, este monitoramento pode tornar-se cada vez mais complexo. O presente texto busca analisar a efetividade da instauração de algoritmos de machine learning ou, em português, aprendizado de máquina em sistemas de monitoramento e gerenciamento de redes de computadores com o intuito de se tornar um aliado destes. Este artigo apresenta também a conceitualização de machine learning e de seus diferentes tipos e técnicas, além de expor um modelo prático da aplicação de um algoritmo treinado em um sistema de monitoramento com a finalidade de analisar a sua utilidade, aplicabilidade e efetividade na automação da análise constante e no auxílio à segurança em redes de computadores e na tomada de decisões perante o gerenciamento da rede. Looking for greater efficiency, agility, and productivity, several organizations tend to expand their connectivity and systems not only to internal networks but also to the internet. Such expansion can prove detrimental to the security of the organization's information and systems; as a result, the implementation of network management and monitoring systems has become increasingly necessary. However, with the increase in requests and access to a given system, this monitoring can become more complex. This text aims to analyze the effectiveness of implementing Machine Learning (ML) algorithms in computer network monitoring and management systems, in order to become an ally to them. This text also presents the conceptualization of Machine Learning and its different types and techniques, in addition to showcasing a practical model of applying a trained algorithm in a monitoring system to analyze its utility, applicability, and effectiveness in automating continuous analysis and aiding in computer network security and decision-making in network management. |
Descrição: | Artigo apresentado no III FatecSeg (III Congresso FATECSEG realizado na cidade de Americana - SP, no período de 23 e 24 de outubro de 2023. Faculdade de Tecnologia de Americana “Ministro Ralph Biasi”. Curso Superior de Tecnologia em Segurança da Informação). |
URI: | https://ric.cps.sp.gov.br/handle/123456789/15348 |
Aparece nas coleções: | Trabalhos de Conclusão de Curso |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
20232S_Amadeu José Marchi_OD1907.pdf | 607.46 kB | Adobe PDF | Visualizar/Abrir | |
TA - Amadeu José Marchi.pdf Restricted Access | 422.79 kB | Adobe PDF | Visualizar/Abrir Solictar uma cópia | |
Equivalencia - Mauricio Zazeri Fonseca.pdf Restricted Access | 205.95 kB | Adobe PDF | Visualizar/Abrir Solictar uma cópia | |
Equivalencia - Amadeu José Marchi.pdf Restricted Access | 204.71 kB | Adobe PDF | Visualizar/Abrir Solictar uma cópia |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.