Publicação: GRASP-HPO: otimização de hiperparâmetros baseada na meta-heurística GRASP para a detecção de intrusões
Carregando...
Arquivos
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Quincozes, Silvio Ereno
Resumo
Este trabalho apresenta o Procedimento de Busca Adaptativa Gulosa Randomizada para Otimização de Hiperparâmetros (GRASP-HPO), uma abordagem para Otimização de Hiperparâmetros (HPO) de algoritmos de aprendizado de máquina (AM), aplicado especificamente no contexto de Sistemas de Detecção de Intrusão (IDS). Baseado na meta-heurística GRASP, o processo envolve uma seleção aleatória inicial e uma busca local subsequente para refinar as melhores combinações de hiperparâmetros (HPs). Aplicado ao algoritmo XGBoost treinado com o conjunto de dados ERENO, o GRASP-HPO alcançou até 94\% de F1-Score em detecção de intrusões, com resultados competitivos em desempenho e tempo de convergência em comparação com abordagens de HPO tradicionais. Esses resultados destacam o GRASP-HPO como uma técnica promissora para aplicações de segurança cibernética e otimização de parâmetros em problemas de alta complexidade.
Abstract
Palavras-chave
Aprendizado de máquina, Sistemas de Detecção de Intrusão, Hiperparâmetros, Otimização de Hiperparâmetros, Procedimento de Pesquisa Adaptativa Ran- domizada Gulosa
Citação
OTSUKA, Gabriel José Bueno. GRASP-HPO: Otimização de Hiperparâmetros baseada na meta-heurística GRASP para a detecção de intrusões. 2024. 51 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2024.
DOI
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto