Publicação:
GRASP-HPO: otimização de hiperparâmetros baseada na meta-heurística GRASP para a detecção de intrusões

Página do item simplificado
dc.contributor.advisor-co1Quincozes, Silvio Ereno
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/9401130360785458pt_BR
dc.contributor.advisor1Miani, Rodrigo Sanches
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2992074747740327pt_BR
dc.contributor.referee1Gabriel, Paulo Henrique Ribeiro
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3181954061121790pt_BR
dc.contributor.referee2Park, Kil Jin Brandini
dc.contributor.referee2Latteshttp://lattes.cnpq.br/2730204955649484pt_BR
dc.creatorOtsuka, Gabriel José Bueno
dc.date.accessioned2024-12-06T13:50:00Z
dc.date.available2024-12-06T13:50:00Z
dc.date.issued2024-11-21
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoEste 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.pt_BR
dc.description.sponsorshipPesquisa sem auxílio de agências de fomentopt_BR
dc.identifier.citationOTSUKA, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/44184
dc.languageporpt_BR
dc.orcid.putcode173296748
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/3.0/us/*
dc.sizeorduration51pt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectSistemas de Detecção de Intrusãopt_BR
dc.subjectHiperparâmetrospt_BR
dc.subjectOtimização de Hiperparâmetrospt_BR
dc.subjectProcedimento de Pesquisa Adaptativa Ran- domizada Gulosapt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.titleGRASP-HPO: otimização de hiperparâmetros baseada na meta-heurística GRASP para a detecção de intrusõespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dspace.entity.typePublication

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
GRASPHPOOtimização.pdf
Tamanho:
5.36 MB
Formato:
Adobe Portable Document Format
Descrição:
TCC
Baixar

Coleções

TCC - Ciência da Computação