Publicação: Um estudo baseado em aprendizado de máquina e SHAP para detecção de ataques DDoS utilizando o Dataset CICDDoS2019
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Este trabalho propôs um mecanismo de detecção de ataques DDoS baseado em aprendi
zado de máquina, utilizando o dataset CICDDoS2019, com foco na análise de fluxo de
rede e na redução da complexidade dos modelos. Foram avaliados cinco algoritmos super
visionados (Decision Tree, C4.5, Random Forest, XGBoost e MLP) por meio de métricas
como F1-Score, AUC e análise de explicabilidade com SHAP. Após pré-processamento,
que incluiu remoção de features redundantes e tratamento de desbalanceamento, os mode
los baseados em árvores (Random Forest e XGBoost) alcançaram os melhores resultados,
com F1-Score de 0,9995 e AUC próximo de 1,0. A análise SHAP revelou que features
como ACK Flag Count e Fwd Packet Length Min são as mais influentes na detecção de
tráfego malicioso. Conclui-se que o Random Forest é o modelo mais eficiente, equilibrando
desempenho, estabilidade e interpretabilidade, enquanto o XGBoost, embora mais pre
ciso, apresenta maior complexidade devido à abordagem binária adotada, que abrange
diferentes tipos de ataques DDoS
Abstract
Palavras-chave
Aprendizado de máquina, Detecção de ataques DDoS, Segurança de redes, SHAP, Inteligência artificial explicável, CIC-DDoS2019
Citação
ANICETO, Breno Palma Miele. Um estudo baseado em aprendizado de máquina e SHAP para detecção de ataques DDoS utilizando o Dataset CICDDoS2019. 57f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2025.