Questão de Segurança da Informação — Sistemas de Prevenção-Detecção de Intrusão — FGV 2022
Segurança da Informação›Sistemas de Prevenção-Detecção de Intrusão
Código
fg049416
Banca
FGV
Órgão
PC-AM
Ano
2022
Nível
Superior
Cargo
Perito Criminal - 4ª Classe - Processamento de Dados
Acerca de sistemas de detecção de intrusos (IDS e IPS), assinale V para a afirmativa verdadeira e F para a falsa.( ) Aprendizado de máquina (machine learning) tem sido utilizado para aumentar a eficiência de IDS baseados em comportamento.( ) A maior ocorrência de pacotes criptografados na rede tem dificultado o NIDS (Network IDS) a detectar ataques.( ) IPS baseados em assinatura trazem o risco de bloquear tráfego legitimo.As afirmativas são, respectivamente,
AV, V, F.
BF, V, V.
CF, F, V.
DF, F, F.
EV, V, V.
Revelar gabarito e comentário▾
GabaritoE — V, V, V.
Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.
Sistemas de Prevenção-Detecção de Intrusão (IDS/IPS)
Gabarito: E (V, V, V). Todas as afirmativas são verdadeiras com base nos conceitos fundamentais de IDS e IPS. A primeira destaca o uso de machine learning em IDS baseados em comportamento; a segunda aponta a dificuldade do NIDS com tráfego criptografado; a terceira alerta sobre o risco de falsos positivos em IPS baseados em assinatura.
IDS/IPS
1IDS (detecta)
Por assinatura
Padrões conhecidos
Risco de falso positivo
Por comportamento (anomalia)
Perfil normal de tráfego
Machine learning melhora detecção
2IPS (previne)
Bloqueia ataque em tempo real
Pode bloquear tráfego legítimo
3NIDS (rede)
Analisa payload dos pacotes
Criptografia dificulta inspeção
LEVEL · soulevel.com.br
Análise das afirmativas
1ª afirmativa — ✅ Verdadeira
IDS baseados em comportamento (anomalias) detectam desvios de um perfil normal de tráfego. Técnicas de aprendizado de máquina, como clustering ou redes neurais, são frequentemente empregadas para criar modelos de comportamento normal e identificar atividades suspeitas, aumentando a eficácia na detecção de ataques novos ou desconhecidos.
2ª afirmativa — ✅ Verdadeira
NIDS (Network IDS) analisa o conteúdo dos pacotes de rede para identificar padrões de ataque. Com o aumento do tráfego criptografado (HTTPS, VPNs), o NIDS não consegue inspecionar o payload, limitando sua capacidade de detectar ameaças embutidas no conteúdo criptografado. Isso é um desafio reconhecido na área.
3ª afirmativa — ✅ Verdadeira
IPS baseado em assinatura (signature-based) compara o tráfego com padrões de ataques conhecidos. Se uma assinatura for muito genérica ou desatualizada, pode gerar falsos positivos, bloqueando tráfego legítimo. O material de apoio destaca exatamente esse risco: “se o seu IPS decidir que uma conexão contém um ataque e a descartar, mesmo que ela seja benigna... pode ser melhor disparar um alerta e deixar alguém investigar”.
Dica: Decore esses três pontos – eles são recorrentes em provas sobre IDS/IPS. Machine learning melhora a detecção de anomalias; criptografia dificulta a inspeção de rede; assinaturas podem gerar falsos positivos.