Banca de DEFESA: LUCAS GERALDO CILENTO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: LUCAS GERALDO CILENTO
DATA : 25/09/2024
HORA: 09:00
LOCAL: Virtual
TÍTULO:

Avaliação de Arquiteturas Web Application Firewalls baseadas em 
Aprendizagem de Máquina

PALAVRAS-CHAVES:

TF-IDF, N-gram, Web Application Firewall, Detecção de 
ataques web, Redução de atributos, Segurança de aplicações HTTP

PÁGINAS: 51
RESUMO:

Modelos de aprendizagem de máquina estão presentes na maioria das soluções 
de segurança da informação, incluindo os WAFs. Hoje, boa parte do tráfego 
web é filtrado por WAFs baseados em detecção de anomalias antes de chegar 
nos servidores HTTP. Além da preocupação com a detecção dos ataques, também 
é necessário considerar a latência introduzida por tais ferramentas em 
aplicações web que precisam manter uma alta responsividade e 
disponibilidade para seus clientes. Para abordar ambos os fatores, é 
necessário avaliar não apenas os modelos de aprendizagem de máquina, mas 
toda a arquitetura desde o pré-processamento das requisições HTTP até a 
classificação da requisição.
Nesta dissertação propomos um framework para avaliação de arquiteturas de 
WAFs baseadas em modelos de aprendizagem de máquina e avaliamos como alguns 
hiperparâmetros afetam o desempenho na detecção de ataques web. Como base 
para o processamento das requisições HTTP, foi utilizada a combinação da 
técnica N-gram com a técnica TF-IDF para a vetorização das requisições e o 
parâmetro N foi avaliado com os valores 1,2 e 3. Na etapa de redução das 
variáveis, foram utilizados 3 métodos: seleção chi quadrado, seleção por 
informação mútua e o método PCA. Para os modelos de aprendizagem de 
máquina, foram considerados os modelos de Regressão Logística, Support 
Vector Machine, Árvore de Decisão e os modelos ensemble de Floresta 
Randômica e Gradient Boosting. Os resultados obtidos mostram que o valor 
com melhor custo benefício para o N-gram é o N=2 e que o método de redução 
de variáveis que menos impactou o desempenho dos modelos foi o método chi 
quadrado. Por fim, todos os modelos melhoraram o tempo de classificação com 
a redução de variáveis, mas o modelo Floresta Randômica manteve o 
desempenho mais estável perante os demais modelos após a redução das 
variáveis em até 90%.

MEMBROS DA BANCA:
Externo à Instituição - CARLO MARCELO REVOREDO DA SILVA - UPE
Interno - 1919027 - DANIEL CARVALHO DA CUNHA
Presidente - 3345337 - PAULO FREITAS DE ARAUJO FILHO