CopAS: A Big Data Forensic Analytics System
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F23%3A00130487" target="_blank" >RIV/00216224:14330/23:00130487 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.scitepress.org/PublicationsDetail.aspx?ID=umluZcUjShA=&t=1" target="_blank" >https://www.scitepress.org/PublicationsDetail.aspx?ID=umluZcUjShA=&t=1</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.5220/0011929000003482" target="_blank" >10.5220/0011929000003482</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
CopAS: A Big Data Forensic Analytics System
Popis výsledku v původním jazyce
With the advancing digitization of our society, network security has become one of the critical concerns for most organizations. In this paper, we present CopAS, a system targeted at Big Data forensics analysis, allowing network operators to comfortably analyze and correlate large amounts of network data to get insights about potentially malicious and suspicious events. We demonstrate the practical usage of CopAS for insider attack detection on a publicly available PCAP dataset and show how the system can be used to detect insiders hiding their malicious activity in the large amounts of data streams generated during the operations of an organization within the network.
Název v anglickém jazyce
CopAS: A Big Data Forensic Analytics System
Popis výsledku anglicky
With the advancing digitization of our society, network security has become one of the critical concerns for most organizations. In this paper, we present CopAS, a system targeted at Big Data forensics analysis, allowing network operators to comfortably analyze and correlate large amounts of network data to get insights about potentially malicious and suspicious events. We demonstrate the practical usage of CopAS for insider attack detection on a publicly available PCAP dataset and show how the system can be used to detect insiders hiding their malicious activity in the large amounts of data streams generated during the operations of an organization within the network.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/EF16_019%2F0000822" target="_blank" >EF16_019/0000822: Centrum excelence pro kyberkriminalitu, kyberbezpečnost a ochranu kritických informačních infrastruktur</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of the 8th International Conference on Internet of Things, Big Data and Security IoTBDS - Volume 1
ISBN
9789897586439
ISSN
2184-4976
e-ISSN
—
Počet stran výsledku
12
Strana od-do
150-161
Název nakladatele
SciTePress
Místo vydání
Setubal, Portugal
Místo konání akce
Prague, Czech Republic
Datum konání akce
1. 1. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
001078900300014