IP-TAB-LEARNING: SISTEMA DE APRENDIZAGEM DE FIREWALL ORIENTADO POR REDES NEURAIS

Resumo

Este estudo apresenta um sistema de aprendizagem de firewall Iptables orientado por uma rede neural. Tal abordagem se justifica mediante o atual cenário da segurança da informação nas organizações e pela demanda por profissionais capacitados na mitigação de ameaças às infraestruturas computacionais. O objetivo do estudo foi descrever e apresentar um software de aprendizagem de firewall Iptables orientado por redes neurais, capaz de auxiliar estudantes e profissionais em Segurança da Informação a compreender regras de firewall Iptables aplicáveis aos ataques a redes de computadores do tipo força bruta e negação de serviço. Este propósito foi conseguido por meio da utilização dos conceitos de processamento de linguagem natural, mineração de textos e da aplicação do algoritmo naive bayes em uma rede neural. Metodologicamente, a pesquisa caracterizou-se como Design Science (DS), exploratória e bibliográfica. O estudo demonstrou que é possível aplicar técnicas de mineração de textos e algoritmos de aprendizagem de máquina em redes neurais para desenvolver um sistema de aprendizagem de firewall. Observou-se que perguntas realizadas na língua portuguesa foram convertidas em regras internas do firewall Iptables, atendendo ao objetivo estabelecido. O software desenvolvido possibilitou que, mediante questionamentos simples, um estudante ou profissional em segurança da informação tivesse acesso às regras de firewall Iptables e suas respectivas explicações técnicas. O estudo possibilita que novas funcionalidades sejam implementadas ou adequações a assuntos correlatos, ampliando a interdisciplinaridade entre os campos da inteligência artificial, segurança da informação e processo de ensino/aprendizado.