Publicação: Redes Neurais Artificiais combinadas a algoritmos genéticos para detecção de intrusões em rede de computadores
Carregando...
Tipo do documento
Data
Direito de acesso
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Este trabalho apresenta uma metodologia para detecção de intrusões em redes de computadores fundamentada na integração de Algoritmos Genéticos (AGs) e Redes Neurais Convolucionais (CNNs). A proposta contempla, de forma simultânea, a seleção automática de atributos que melhor caracterizam o tráfego da rede e o ajuste de hiperparâmetros da CNN, com o objetivo de maximizar métricas de desempenho e minimizar a latência de inferência. Utilizando o conjunto de dados CIC-IDS2018, os experimentos evidenciaram que o AG de seleção de atributos foi capaz de identificar um subconjunto de 20 variáveis que preserva a capacidade discriminativa do modelo e que o AG de ajuste de hiperparâmetros, por sua vez, produziu uma configuração de CNN com desempenho ligeiramente superior, atingindo acurácia de 99,78%, F1-score de 99,66% e recall de 99,82%, com latência média de apenas 0,0529 ms por amostra. A análise qualitativa demonstrou que os atributos selecionados apresentam relevância direta na caracterização de padrões de tráfego, enquanto os hiperparâmetros otimizados resultaram em melhor separabilidade entre fluxos benignos e maliciosos. As matrizes de confusão indicaram baixa incidência de falsos positivos e falsos negativos, reforçando a robustez da abordagem. Os resultados obtidos superaram os de trabalhos relacionados na literatura, validando a eficácia da proposta.
Abstract
This work presents a methodology for intrusion detection in computer networks based on the integration of Genetic Algorithms (GAs) and Convolutional Neural Networks (CNNs). The proposal simultaneously contemplates the automatic selection of attributes that best characterize network traffic and the adjustment of CNN hyperparameters, with the aim of maximizing performance metrics and minimizing inference latency. Using the CIC-IDS2018 dataset, the experiments showed that the attribute selection GA was able to identify a subset of 20 variables that preserves the model's discriminative capacity, and that the hyperparameter adjustment GA, in turn, produced a CNN configuration with slightly superior performance, achieving an accuracy of 99.78%, an F1-score of 99.66%, and a recall of 99.82%, with an average latency of only 0.0529 ms per sample. Qualitative analysis demonstrated that the selected attributes are directly relevant in characterizing traffic patterns, while the optimized hyperparameters resulted in better separability between benign and malicious flows. Confusion matrices indicated a low incidence of false positives and false negatives, reinforcing the robustness of the approach. The results obtained surpassed those of related studies in the literature, validating the effectiveness of the proposal.
Palavras-chave
Algoritmos genéticos, Detecção de intrusões, Otimização de hiperparâmetros, Redes Neurais Convolucionais, Seleção de atributos, Convolutional Neural Networks, Feature Selection, Genetic Algorithms, Hyperparameter Optimization, Intrusion Detection
Citação
GONÇAVES, Heitor Eugênio. Redes Neurais Artificiais combinadas a algoritmos genéticos para detecção de intrusões em rede de computadores. 2025. 77 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2025. http://doi.org/10.14393/ufu.di.2025.5236.
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto