Técnicas de machine learning aplicada a threat intelligence sobre fontes abertas

Abstract

As ameaças cibernéticas evoluem em uma taxa de velocidade muito maior que o cérebro humano pode acompanhar. A criação de novos ataques, assim como o volume de ameaças que acontecem a cada segundo possuem tamanho estratosféricos, necessitando de ferramentas que comportam o processamento de bigdata. Muitas das ameaças cibernéticas provém de máquinas que as criam de forma massiva e automatizada. O trabalho tem como objetivo aplicar algoritmos de aprendizado de máquina em busca de uma visualização melhorada dos grupos de ataques, com objetivo de identificar se existem padões de características dos ataques. Para isso, foi aplicado o algoritmo K-means com o valor de K igual a dez em diferentes subsets de dados contendo informações das ameaças cibernéticas. O objetivo é entender se existem padrões nos ataques, visto que o algoritmo agrupa os dados em grupos com características semelhantes. A partir dos resultados encontrados, pode-se observar em uma das tentativas de agrupamento, uma distribuição homogênea de dados em dez grupos diferentes, confirmado o pressuposto de que as ameaças cibernéticas são geradas de forma massiva e com um certo padrão a partir de sistemas maliciosos. Entendendo esse padrão, se torna mais fácil criar estratégias de segurança cibernética, algo em grande discursão nos dias atuais no mundo da tecnologia.