Use este identificador para citar ou linkar para este item:
https://repositorio.ufpe.br/handle/123456789/66309
Compartilhe esta página
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | LIMA, Sidney Marlon Lopes de | - |
dc.contributor.author | CALDAS, Lucas Rattes Lima | - |
dc.date.accessioned | 2025-09-30T15:29:02Z | - |
dc.date.available | 2025-09-30T15:29:02Z | - |
dc.date.issued | 2025-09-05 | - |
dc.date.submitted | 2025-09-29 | - |
dc.identifier.citation | CALDAS, Lucas Rattes Lima. Uso de máquinas de aprendizado extremo com operadores morfológicos na detecção preventiva de Ransomware. 2025. 65f. Trabalho de Conclusão de Curso (Graduação) - Curso de Engenharia Eletrônica, Departamento de Eletrônica e Sistemas, Centro de Tecnologia e Geociências, Universidade Federal de Pernambuco, Recife, 2025. | pt_BR |
dc.identifier.uri | https://repositorio.ufpe.br/handle/123456789/66309 | - |
dc.description.abstract | Ransomware são programas maliciosos que bloqueiam ou criptografam dados do usuário, exigindo pagamento para restaurar o acesso às informações comprometidas. Essa família de malware (malicioso + software) tem se destacado pela crescente sofisticação, como o uso de técnicas de criptografia robustas, mecanismos de persistência avançados e vetores de disseminação altamente eficientes. A proposta apresentada neste trabalho consiste na criação de uma solução antivírus própria, baseada em uma arquitetura de aprendizado extremo, voltada para a detecção e contenção preventiva de ransomware. O antivírus autoral é capaz de identificar ransomware antes de ser iniciado pelo usuário. Os experimentos demonstraram uma taxa média de assertividade de 99,87% na distinção entre softwares legítimos e ameaças do tipo ransomware, com tempo médio de treinamento de apenas 3,75 segundos, evidenciando alto desempenho e resposta rápida. Assim, a solução contribui de forma significativa para o fortalecimento da segurança cibernética. | pt_BR |
dc.format.extent | 66p. | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | openAccess | pt_BR |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | pt_BR |
dc.subject | Malware | pt_BR |
dc.subject | Ransomware | pt_BR |
dc.subject | Máquinas morfológicas de aprendizado extremo | pt_BR |
dc.subject | Segurança cibernética | pt_BR |
dc.title | Antivírus baseado em aprendizado extremo visando a detecção preventiva de Ransomware | pt_BR |
dc.type | bachelorThesis | pt_BR |
dc.degree.level | Graduacao | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/0323190806293435 | pt_BR |
dc.description.abstractx | Ransomware is a type of malicious software. It blocks or encrypts user data. Then, it demands payment to unlock the compromised information. This family of malware (malicious + software) is known for its growing sophistication. It uses strong encryption methods, clever persistence techniques, and effective ways to spread. This proposal suggests developing a unique antivirus solution. It will use an extreme learning architecture. The goal is to prevent and contain ransomware. The proprietary antivirus can spot ransomware before the user launches it. The experiments found an average accuracy of 99.87% in distinguishing real software from ransomware threats. The average training time was just 3.75 seconds, which shows quick performance. Thus, the solution contributes significantly to strengthening cybersecurity. | pt_BR |
dc.degree.departament | ::(CTG-DES) - Departamento de Eletrônica e Sistemas | pt_BR |
dc.degree.graduation | ::CTG-Curso de Engenharia Eletrônica | pt_BR |
dc.degree.grantor | Universidade Federal de Pernambuco | pt_BR |
dc.degree.local | Recife | pt_BR |
Aparece nas coleções: | (TCC) - Eletrônica e Sistemas |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
TCC Lucas Rattes Lima Caldas.pdf | 6,27 MB | Adobe PDF | Visualizar/Abrir |
Este arquivo é protegido por direitos autorais |
Este item está licenciada sob uma Licença Creative Commons