Tesi etd-01122017-100348

Tipo di tesi

Tesi di laurea magistrale

Autore

GAMBIGLIANI ZOCCOLI, GABRIELE

URN

etd-01122017-100348

Titolo

Big Data Security Analytics per individuazione e ranking di traffico periodico generato da malware

Titolo in inglese

Struttura

Dipartimento di Ingegneria

Corso di studi

Ingegneria Informatica (D.M.270/04)

Commissione

Nome Commissario	Qualifica
COLAJANNI MICHELE	Primo relatore
MARCHETTI MIRCO	Correlatore

Parole chiave

BigData
NetFlow
Periodicità
Ranking
SecurityAnalytics

Data inizio appello

2017-02-09

Disponibilità

Accessibile via web (tutti i file della tesi sono accessibili)

Riassunto analitico

Questo lavoro di tesi si pone l'obiettivo di identificare connessioni periodiche generate da malware di tipo Command & Control.
Partendo dall'analisi ed elaborazione di grandi flussi di rete, si è
cercato di individuare connessioni periodiche sfruttando strumenti matematici quali l'autocorrelazione e la trasformata discreta di Fourier. Incrociando le connessioni identificate come periodiche con gli alert sollevati dal sistema di Intrusion Detection System, è stato sviluppato un sistema in grado di fornire in output una serie di indirizzi IP ritenuti malevoli. Queste ultime operazioni sono state effettuate utilizzando tecniche di clustering e semi-supervised learning.

Abstract

File

Nome file		Dimensione	Tempo di download stimato (Ore:Minuti:Secondi)
Nome file		Dimensione	28.8 Modem	56K Modem	ISDN (64 Kb)	ISDN (128 Kb)	piu' di 128 Kb
	tesi_magistrale_GGZ.pdf	3.27 Mb	00:15:07	00:07:46	00:06:48	00:03:24	00:00:17
Contatta l'autore