This thesis focuses on the design and implementation of a Network Detection and Response (NDR) system for detecting and responding to cyber attacks in networks. The main objective is to develop a system capable of monitoring network traffic, analyzing data, and identifying anomalous or threatening behaviors. The system design is based on a distributed architecture that involves detection sensors strategically positioned throughout the network. The system utilizes advanced machine learning algorithms for automated learning and classification of network events. The implementation of the system has been tested in a real production environment, demonstrating its effectiveness in detecting both known and unknown attacks. The obtained results show a significant improvement in the ability to detect and respond to cyber attacks, contributing to network security.

La presente tesi riguarda la progettazione e l'implementazione di un sistema di Network Detection and Response (NDR) per la rilevazione e la risposta agli attacchi informatici nelle reti. L'obiettivo principale è sviluppare un sistema in grado di monitorare il traffico di rete, analizzare i dati e identificare comportamenti anomali o minacciosi. La progettazione del sistema si basa su un'architettura distribuita che coinvolge sensori di rilevazione posizionati strategicamente sulla rete. Il sistema utilizza algoritmi avanzati di machine learning per l'apprendimento automatico e la classificazione degli eventi di rete. L'implementazione del sistema è stata testata in un ambiente di produzione reale, dimostrando la sua efficacia nella rilevazione di attacchi noti e sconosciuti. I risultati ottenuti mostrano un miglioramento significativo nella capacità di rilevare e rispondere agli attacchi informatici, contribuendo alla sicurezza delle reti.

Progettazione e implementazione di un sistema di Network Detection and Response

PASQUALI, ELIA
2022/2023

Abstract

This thesis focuses on the design and implementation of a Network Detection and Response (NDR) system for detecting and responding to cyber attacks in networks. The main objective is to develop a system capable of monitoring network traffic, analyzing data, and identifying anomalous or threatening behaviors. The system design is based on a distributed architecture that involves detection sensors strategically positioned throughout the network. The system utilizes advanced machine learning algorithms for automated learning and classification of network events. The implementation of the system has been tested in a real production environment, demonstrating its effectiveness in detecting both known and unknown attacks. The obtained results show a significant improvement in the ability to detect and respond to cyber attacks, contributing to network security.
2022
Design and Implementation of a Network Detection and Response System
La presente tesi riguarda la progettazione e l'implementazione di un sistema di Network Detection and Response (NDR) per la rilevazione e la risposta agli attacchi informatici nelle reti. L'obiettivo principale è sviluppare un sistema in grado di monitorare il traffico di rete, analizzare i dati e identificare comportamenti anomali o minacciosi. La progettazione del sistema si basa su un'architettura distribuita che coinvolge sensori di rilevazione posizionati strategicamente sulla rete. Il sistema utilizza algoritmi avanzati di machine learning per l'apprendimento automatico e la classificazione degli eventi di rete. L'implementazione del sistema è stata testata in un ambiente di produzione reale, dimostrando la sua efficacia nella rilevazione di attacchi noti e sconosciuti. I risultati ottenuti mostrano un miglioramento significativo nella capacità di rilevare e rispondere agli attacchi informatici, contribuendo alla sicurezza delle reti.
Networking
Security
Remediation
Mitigation
File in questo prodotto:
File Dimensione Formato  
Pasquali_Elia.pdf

accesso aperto

Dimensione 3.12 MB
Formato Adobe PDF
3.12 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/52305