Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/66309

Comparte esta pagina

Título : Antivírus baseado em aprendizado extremo visando a detecção preventiva de Ransomware
Autor : CALDAS, Lucas Rattes Lima
Palabras clave : Malware; Ransomware; Máquinas morfológicas de aprendizado extremo; Segurança cibernética
Fecha de publicación : 5-sep-2025
Citación : 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.
Resumen : 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
Aparece en las colecciones: (TCC) - Eletrônica e Sistemas

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TCC Lucas Rattes Lima Caldas.pdf6,27 MBAdobe PDFVisualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons