Use este identificador para citar ou linkar para este item: https://ric.cps.sp.gov.br/handle/123456789/2953
Título: Revisão sistemática sobre deep learning aplicado a detecção de cyber ataques
Título(s) alternativo(s): Systematic review on deep learning applied to detection of cyber attacks
Autor(es): SILVA, Bruna Luisa do Amaral da
Orientador(es): ANDRADE, Kleber de Oliveira
Outro(s) contribuidor(es): GODOY, Henri Alves de
SOFFNER, Renato Kraide
Tipo documental: Monografia
Palavras-chave: Segurança em sistemas de informação
Data do documento: 28-Jun-2018
Editor: 004
Referência Bibliográfica: SILVA, Bruna Luisa do Amaral da. Revisão sistemática sobre deep learning aplicado a detecção de cyber ataques, 2018. Trabalho de conclusão de curso (Curso de Tecnologia em Segurança da Informação) - Faculdade de Tecnologia de Americana, Americana, 2018
Resumo: O presente trabalho tem como objetivo situar o leitor sobre a situação atual das pesquisas relacionadas a aplicação de deep learning para detecção de cyber ataques para tal, inicialmente é explicado conceitos básicos referente a inteligência artificial, aprendizado de máquina, deep learning e cyber ataques, além de descrever os processos envolvidos na Revisão Sistemática de Literatura. Estudos relacionados ao tema foram selecionados, e então foi feita uma avaliação para identificar quais eram relevantes ou não para a revisão. Com a análise dos estudos aceitos, é possível identificar através da métrica de acuracidade a efetividade da aplicação de algortimos de deep learning na detecção dos mais diversos tipos de cyber ataques como, malwares, ataques de intrusão, ataques web, detecção de anomalias e ataques em redes sem fio. O resultado médio alcançado pelos trabalhos analisados foi de 95% de acurácia
URI: http://ric.cps.sp.gov.br/handle/123456789/2953
Aparece nas coleções:Trabalhos de Conclusão de Curso

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
20181S_SILVABrunaLuisadoAmaralda_OD0427.pdf1.09 MBAdobe PDFVisualizar/Abrir


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