liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Evaluating the effectiveness of free rule sets for Snort
Linköpings universitet, Institutionen för datavetenskap, Databas och informationsteknik.
2022 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)Alternativ titel
En utvärdering av effektiviteten av gratis regeluppsättningar för Snort (Svenska)
Abstract [en]

As more of the modern world is connected to the Internet, threats can reach further than ever before. Attacks happen all the time and many have serious consequences that disrupts the daily processes of people and companies, possibly causing lasting damage. To fight back, defensive tools are used to find and counter attacks. One of these tools is Snort. Snort finds malicious data packets and warns the user and counters the found attack. Snort relies on a list of signatures of different attacks, called a rule set, to know what is malicious. Many rule sets are available as paid subscriptions, but there are free alternatives. But how well can Snort defend a network using these free rule sets? By designing a network for experimentation and populating it with realistic background traffic, a group of rule sets are evaluated using a set of common attacks and tools. The performance hit when defending in a high speed, high bandwidth environment is evaluated as well. The results favour the Emerging Threats rule set. As for performance, Snort could not handle the most extreme amounts of traffic, with the rate of dropped packets making security dubious, but that occurred at the absolute peak of what consumer hardware can provide.

Ort, förlag, år, upplaga, sidor
2022. , s. 53
Nyckelord [en]
Snort, rule sets, Snort rule sets, information security, network security
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:liu:diva-183361ISRN: LIU-IDA/LITH-EX- A--22/006--SEOAI: oai:DiVA.org:liu-183361DiVA, id: diva2:1642261
Externt samarbete
Mindroad
Ämne / kurs
Datavetenskap
Presentation
2022-02-08, Linköping, 10:23 (Engelska)
Handledare
Examinatorer
Tillgänglig från: 2022-03-07 Skapad: 2022-03-04 Senast uppdaterad: 2022-03-07Bibliografiskt granskad

Open Access i DiVA

fulltext(1819 kB)1956 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1819 kBChecksumma SHA-512
7e3f0ed239da16d3f9ee94324f723fea2af1a36957229d35ec48ef2233e6cc13b152288ca71815b51d312b89404c1016356720105e517dd96e36aafab3a2f2cf
Typ fulltextMimetyp application/pdf

Av organisationen
Databas och informationsteknik
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 1958 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 1288 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf