Banca de DEFESA: LUIZ AUGUSTO DOS SANTOS PIRES

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : LUIZ AUGUSTO DOS SANTOS PIRES
DATA : 06/09/2024
HORA: 18:00
LOCAL: https://teams.microsoft.com/l/meetup-join/19%3a0a9998084fcc459f92b72fb6608767f7%40thread.tacv2/17252
TÍTULO:

Manutenção de Sistemas de Detecção de Intrusão Baseados em Algoritmos de Aprendizado de Maquina Utilizando Benchmarks e Software de Extração de Features

PALAVRAS-CHAVES:

Benchmarks, features, aprendizado de máquina, Sistemas de detecção de intrusão (IDS).

PÁGINAS: 72
RESUMO:

Com o aumento de ataques em rede, impulsionado pelo avanço da inteligência artificial e da Internet das Coisas (IoT), que muitas vezes utiliza dispositivos com segurança frágil, torna-se crucial desenvolver mecanismos para a manutenção e avaliação do desempenho de Sistemas de Detecção de Intrusão (IDS). Uma forma de possibilitar isso, é utilizar estratégias para atualizar de forma constante algoritmos de aprendizado de máquina que classificam o tráfego de rede. Um dos pontos mais críticos é a extração de features da rede, pois são usadas como entrada para o treinamento de modelos de aprendizado de máquina. Assim, este trabalho teve por objetivo criar um software para extrair de forma automatizada 26 features do dataset NSL-KDD e analisar os principais fatores e benchmarks utilizados na literatura para treinar modelos de machine learning (ML), com o intuito de se obter um algoritmo ótimo de classificação a partir do conjunto de features extraídas pela ferramenta proposta. O algoritmo ótimo resultante a partir das 26 features extraídas pelo software foi obtido ao se mesclar o dataset do NSL-KDD com o Kyoto 2006 +, tendo valores de acurácia em 83,81%, recall em 75,65%, precision em 94,87% e f1-score em 84,17 % no arquivo de teste do NSL-KDD. Ainda foi utilizado o software e algoritmo de ML propostos para avaliar o desempenho no dataset CIC-IoT2023, que envolve grande quantidade de tráfego IoT, percebendo-se, após os testes no dataset, a necessidade de realizar a manutenção do algoritmo de ML para melhorar a classificação no CICIoT2023. Como último resultado, o software para extração de features foi registrado no INPI (Instituto Nacional da Propriedade Industrial) na categoria de programa de computador (BR512023001038-3).

MEMBROS DA BANCA:
Interno - 2311780 - FABIO LUCIO LOPES DE MENDONCA
Presidente - 2556078 - GEORGES DANIEL AMVAME NZE
Externo à Instituição - LAERTE PEOTTA DE MELO - BB
Interno - ***.550.391-** - ROBSON DE OLIVEIRA ALBUQUERQUE - UnB