Detecção e modelagem de ameaças persistentes avançadas na fase de movimentação lateral: uma abordagem com process mining

dc.contributor.advisorLins, Fernando Antonio Aires
dc.contributor.advisor-coLima, Milton Vinicius Morais de
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/3409150377712315
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2475965771605110
dc.contributor.authorSilva, Jonathas Felipe da
dc.contributor.authorLatteshttp://lattes.cnpq.br/1017193816402551
dc.date.accessioned2025-07-28T21:31:13Z
dc.date.issued2025-03-20
dc.degree.departamentestatistica e informatica
dc.degree.graduationbacharelado em sistemas da informacao
dc.degree.levelbachelor's degree
dc.degree.localRecife
dc.description.abstractA crescente ameaça de ataques cibernéticos complexos tem exigido estratégias avançadas de defesa, especialmente na detecção precoce de atividades suspeitas em redes comprometidas. Com isso, Ameaças Persistentes Avançadas (APTs) representam um desafio significativo para a segurança cibernética, caracterizando-se por ataques sofisticados e direcionados. Este trabalho tem como objetivo investigar a movimentação lateral dentro de redes comprometidas, utilizando mineração de processos para detectar padrões suspeitos de comportamento. Para isso, foi configurado um ambiente experimental com máquinas virtuais simulando um ataque APT. Logs do sistema e do Wazuh registraram as atividades, possibilitando a extração de eventos relevantes para o presente estudo. A metodologia consiste na coleta de dados em dois cenários: uso normal e ataque, seguida pela aplicação de algoritmos de Process Mining, como AlphaMiner, através da biblioteca pm4py. Com isso, foi possível identificar diferenças estruturais entre os processos normais e aqueles manipulados pelo invasor, possibilitando a criação de indicadores de comprometimento (IoCs). Os resultados contribuem para a melhoria de mecanismos de detecção e resposta a APTs, auxiliando na proteção de redes corporativas contra ataques avançados.
dc.description.abstractxThe growing threat of complex cyberattacks has demanded advanced defense strategies, particularly for the early detection of suspicious activities in compromised networks. In this context, Advanced Persistent Threats (APTs) represent a significant cybersecurity challenge, characterized by sophisticated and targeted attacks. This study aims to investigate lateral movement within compromised networks using process mining to detect suspicious behavioral patterns. To achieve this, an experimental environment was set up with virtual machines simulating an APT attack. System logs and Wazuh recorded the activities, enabling the extraction of relevant events for this study. The methodology consists of data collection in two scenarios: normal usage and attack, followed by the application of Process Mining algorithms, such as AlphaMiner, using the pm4py library. This approach allowed for the identification of structural differences between normal processes and those manipulated by the attacker, enabling the creation of Indicators of Compromise (IoCs). The results contribute to improving detection and response mechanisms for APTs, aiding in the protection of corporate networks against advanced attacks.
dc.format.extent56 f.
dc.identifier.citationSILVA, Jonathas Felipe da. Detecção e modelagem de ameaças persistentes avançadas na fase de movimentação lateral: uma abordagem com process mining. 2025. 56 f. Trabalho de Conclusão de Curso (Bacharelado em Sistemas de Informação) – Departamento de Estatística e Informática, Universidade Federal Rural de Pernambuco, Recife, 2025.
dc.identifier.urihttps://arandu.ufrpe.br/handle/123456789/7463
dc.language.isopt_BR
dc.publisher.countryBrazil
dc.publisher.initialsUFRPE
dc.rightsopenAccess
dc.rights.licenseAttribution 4.0 Internationalen
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/
dc.subjectSegurança de computadores
dc.subjectRedes de computadores
dc.subjectSegurança de redes
dc.subjectCiberterrorismo
dc.subjectMineração de Processos
dc.subjectTeste de invasão (Medidas de segurança para computadores)
dc.titleDetecção e modelagem de ameaças persistentes avançadas na fase de movimentação lateral: uma abordagem com process mining
dc.typebachelorThesis

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
tcc_jonathasfelipedasilva.pdf
Tamanho:
3.54 MB
Formato:
Adobe Portable Document Format

Licença do pacote

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura Disponível
Nome:
license.txt
Tamanho:
1.87 KB
Formato:
Item-specific license agreed upon to submission
Descrição: