Please use this identifier to cite or link to this item:
https://repositorio.ufpe.br/handle/123456789/66309
Share on
Title: | Antivírus baseado em aprendizado extremo visando a detecção preventiva de Ransomware |
Authors: | CALDAS, Lucas Rattes Lima |
Keywords: | Malware; Ransomware; Máquinas morfológicas de aprendizado extremo; Segurança cibernética |
Issue Date: | 5-Sep-2025 |
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. |
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. |
URI: | https://repositorio.ufpe.br/handle/123456789/66309 |
Appears in Collections: | (TCC) - Eletrônica e Sistemas |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
TCC Lucas Rattes Lima Caldas.pdf | 6,27 MB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License