
Yolo DLP
um sistema de prevenção de vazamento de dados de imagens baseado em aprendizado de máquinaBy Leandro AkuneLength2h 15m
About this audiobook
O avanço tecnológico colabora com o aumento do risco de perda de dados sensíveis de empresas e residências. Apesar da evolução e vasta disponibilidade de ferramentas de proteção, nos atuais sistemas de prevenção de vazamento de dados, como os Data Leak Prevent (DLP), a falta de flexibilidade, clareza e limitações funcionais dificultam a escolha. Existem diversas soluções comerciais que muitas vezes apresentam um alto custo de licenciamento, implantação, além de limitações de recursos de prevenção. O objetivo deste trabalho é validar a aplicação de uma rede neural na potencialização de um proxy DLP para impedir o envio não autorizado de dados sensíveis armazenados ou capturados por câmeras de vídeo. Neste trabalho é proposta uma arquitetura de DLP, que passa por treinamentos e pela implantação de uma ferramenta de reconhecimento de objetos em documentos de imagens e vídeos ? funcionalidade não presente nos DLP comerciais pesquisados. A partir de um experimento, com base nos índices de Verdadeiro Positivos, Falso Positivos e Verdadeiro Negativos, é possível observar a acurácia e a eficácia do uso de uma rede neural em um ambiente de DLP. E mostrar que tal integração protege com transparência sem ocultar limitações, e atende características de proteção que as principais soluções comerciais como Triton Websense, Check Point, Varonis e AirWatch não abordam.
Audiobook details
GenreTechnology
Length2 hrs 15 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateApr 25, 2022
LanguagePortuguese
Table of contents
1Introduction
21. INTRODUÇÃO
31.1 MOTIVAÇÃO
41.2 OBJETIVO
51.3 CONTRIBUIÇÕES
Show all chaptersShow less
61.4 MÉTODO DE TRABALHO
71.5 ORGANIZAÇÃO DO TRABALHO
82. REFERENCIAL TEÓRICO
92.1 CONCEITO DE DATA LEAK PROTECTION (DLP)
102.2 APRENDIZADO DE MÁQUINA E REDES NEURAIS
112.3 PROCESSAMENTO DE IMAGEM E DETECÇÃO DE OBJETOS
122.4 OBSERVAÇÕES SOBRE A PRIVACIDADE
133. TRABALHOS RELACIONADOS
143.1 DATA LEAK PREVENTION (DLP )
153.1.1 A survey on data leakage prevention systems
163.1.2 Can Content-Based Data Loss Prevention Solutions Prevent Data Leakage in Web Traffic?
173.1.3 Rule-based system for data leak threat estimation
183.1.4 A Turkish language-based data leakage prevention system
193.1.5 Designing and developing a free Data Loss Prevention system
203.2 REDES NEURAIS E RECONHECIMENTO DE OBJETOS EM VÍDEO
213.2.1 Rich feature hierarchies for accurate object detection and semantic segmentation
223.2.2 You Only Look Once: Unified, Real-Time Object Detection
233.2.3 An effective sign language learning with object detection-based ROI segmentation
243.2.4 An Object Detection System Based on YOLO in Traffic Scene
253.3 SÍNTESE DAS COMPARAÇÕES
264. PROPOSTA
274.1 DEFINIÇÃO DA ARQUITETURA
284.1.1 Definição da topologia
294.1.2 Definição dos critérios
304.2 TRATAMENTO DE DADOS
314.2.1 Criação do banco de dados de hashes
324.2.2 Treinamento da rede neural
334.3 FILTRAGEM DLP
344.3.1 Gestão do banco de hashes
354.3.2 Classificação dos dados
364.4 MÓDULO RESULTADOS
374.4.1 Função Permitir
384.4.2 Função Bloquear
394.4.3 Função Quarentena
405.4 RESUMO DA PROPOSTA
415. VALIDAÇÃO DA PROPOSTA
425.1 AMBIENTE DE VALIDAÇÃO
435.1.1 Ambiente proxy Squid ICAP
445.1.2 Ambiente YOLO
455.2 TESTES DE VALIDAÇÃO: 5.2.1 Pré-treinamento YOLO PASCAL VOC
465.3 TREINAMENTO COM IMAGENS DE CARTÕES E CELULAR
475.4 COLETA E ANÁLISE DOS RESULTADOS
485.5 CONSIDERAÇÕES
496. CONCLUSÃO