Publicação: Detecção de intrusão em redes de computadores com aprendizado semi-supervisionado
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
A crescente conectividade das redes de computadores ampliou a superfície de ataque
e a frequência de ameaças cibernéticas, tornando os Sistemas de Detecção de Intrusão
(IDS) essenciais para a segurança da informação. Um dos maiores desafios da área é a
escassez de dados rotulados, já que ataques reais são raros e variáveis, o que limita os
modelos supervisionados. Nesse cenário, o aprendizado semi-supervisionado se destaca
por aproveitar grandes volumes de dados não rotulados. Este trabalho compara dois
algoritmos semi-supervisionados aplicados à detecção de intrusão: o Label Propagation
(LPA) e o Random Forest com Co-Training. Os experimentos foram conduzidos sobre a base
CIC-IDS2017, realizando ocultações de amostras a fim de simular a escassez de rótulos,
por meio de diferentes frações de dados rotulados, com particionamento estratificado.
O desempenho foi avaliado por acurácia, precisão, revocação e F1-Score. Os resultados
mostraram a superioridade do Co-Training, que manteve altos valores de F1-Score e
revocação com apenas 1% de dados rotulados, aliado a baixo custo computacional. Já o
LPA mostrou-se sensível ao desbalanceamento, dependente de maior supervisão e com
elevado custo computacional. Conclui-se que, para a detecção de intrusão com poucos
rótulos, o Random Forest com Co-Training oferece a melhor relação entre desempenho,
robustez e eficiência.
Abstract
Palavras-chave
Sistemas de detecção de intrusão, Aprendizado de máquina, Aprendizado semi-supervisionado, Label propagation, Co-training
Citação
DIAS, Pedro Biagi. Detecção de intrusão em redes de computadores com aprendizado semi-supervisionado. 2026. 41 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal de Uberlândia, Uberlândia, 2026.