Detekce pomalých útoků hrubou silou

Šlechta Libor

Detection of Slow Brute Attacks

Type of document

BAKALÁŘSKÁ PRÁCE
BACHELOR THESIS

Author

Šlechta Libor

Supervisor

Starý Jan

Opponent

Smítka Jiří

Field of study

Informační technologie

Study program

Informatika

Institutions assigning rank

18104

Defended

2016-06-21

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf.
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf.

Metadata

Show full item record

Abstract

Tato bakalářská práce se zabývá vytvořením aplikace pro detekci skrytých útoků na SSH servery hrubou silou. Výsledná aplikace se skládá ze sady skriptů napsaných v jazyce Python, které jsou spolu schopny spolupracovat. Získané záznamy jsou skladovány pomocí SQLite3 databáze. Vytvořené řešení je schopno v simulovaném provozu detekovat více než polovinu skrytých útočníků. Aplikace je vhodná pro další výzkum zvolené metody detekce a může sloužit jako základ pro volně dostupný detektor skrytých útoků. V závěru práce jsou pak navrženy další kroky nezbytné pro reálné nasazení takového detektoru.

This thesis implements a detector of stealthy brute force attacks on SSH servers. The application consists of a set of cooperating Python scripts. Obtained records are being stored in an SQLite3 database. This program is able to find more than half of attackers in simulated datasets. The application may be useful in further research of the method and can also serve as foundation to a real-world detector. In the conclusion topics for further research are proposed.