Detecção Inteligente de IPs Maliciosos através do Monitoramento de Ameaças-Reference-Cited by-同舟云学术

Detecção Inteligente de IPs Maliciosos através do Monitoramento de Ameaças

Published:2024-07-21 Issue: Volume: Page:21-30
ISSN:
Container-title:Anais do XVI Simpósio Brasileiro de Computação Ubíqua e Pervasiva (SBCUP 2024)
language:
Short-container-title:

Author:

Urbano Arthur C.,Costa Yago M.,Paula Mariana C. de,Portela Ariel L.,Pimenta Ivo A.,Gomes Rafael L.

Abstract

A crescente sofisticação das ameaças cibernéticas exige que soluções avançadas para proteger a integridade e confidencialidade dos dados. Uma abordagem para lidar com este cenário é Inteligência sobre Ameaças que desempenha um papel crucial, permitindo que empresas e instituições coletem dados sobre possíveis ameaças e, a partir desses dados, possam lidar com incidentes de segurança. Dentro deste contexto, este artigo apresenta uma solução de Inteligência sobre Ameaças baseada em Inteligência Artificial (IA) para prevenção de ameaças cibernéticas através da detecção de Endereços IP maliciosos. O modelo de IA proposto é alimentado através da coleta de dados das bases sobre ameaças (VirusTotal, AbuseIPDB, Shodan, IBM X-Force e AlienVault). Esses dados usados no modelo de IA proposto oferecem indicativos valiosos sobre IPs e domínios suspeitos. Os resultados, utilizando esses dados reais, mostram que a solução consegue detectar ameaças de forma eficaz.

Publisher

Sociedade Brasileira de Computação - SBC

Reference11 articles.

1. Afzaliseresht, N., Miao, Y., Michalska, S., Liu, Q., and Wang, H. (2020). From logs to stories: Human-centred data mining for cyber threat intelligence. IEEE Access, 8:19089–19099.

2. Costa, W. L., Portela, A. L., and Gomes, R. L. (2021). Features-aware ddos detection in heterogeneous smart environments based on fog and cloud computing. International Journal of Communication Networks and Information Security, 13(3):491–498.

3. Lazar, D., Cohen, K., Freund, A., Bartik, A., and Ron, A. (2021). Imdoc: Identification of malicious domain campaigns via dns and communicating files. IEEE Access, 9:45242–45258.

4. Moreira, D. A. B., Marques, H. P., Costa, W. L., Celestino, J., Gomes, R. L., and Nogueira, M. (2021). Anomaly detection in smart environments using ai over fog and cloud computing. In 2021 IEEE 18th Annual Consumer Communications Networking Conference (CCNC), pages 1–2.

5. Portela, A. L., Menezes, R. A., Costa, W. L., Silveira, M. M., Bittecnourt, L. F., and Gomes, R. L. (2023). Detection of iot devices and network anomalies based on anonymized network traffic. In NOMS 2023-2023 IEEE/IFIP Network Operations and Management Symposium, pages 1–6.