1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Engenharia Mecânica (FEMEC)
3. TCC - Engenharia Mecatrônica

ORCID:	http://orcid.org/0000-0003-3533-8178
Tipo do documento:	Trabalho de Conclusão de Curso
Tipo de acesso:	Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 United States
Título:	Aprendizado de máquina aplicado a detecção de botnets utilizando aprendizado ativo
Autor(es):	Carrasco, Arnon Afonso Vieira
Primeiro orientador:	Miani, Rodrigo Sanches
Primeiro membro da banca:	Miani, Rodrigo Sanches
Segundo membro da banca:	Faria, Elaine Ribeiro de
Terceiro membro da banca:	Nascimento, Marcela Zanchetta do
Resumo:	Este trabalho consiste na análise de algoritmos de classificação, voltados para a detecção de ataques em fluxos de dados, com o objetivo de melhorar a segurança de redes de computadores. Para isto, os algoritmos foram aplicados na base de dados CTU-13, que consiste em um conjunto de tráfico de botnets previamente capturado e tratado. Com o intuito de analisar os diferentes comportamentos dos classificadores ao utilizar estratégias de atraso de rotulação e de percentual de rotulagem, aliados com o aprendizado ativo. Ao utilizar essas técnicas, foi possível perceber uma variação na desempenho do classificador utilizado, principalmente quando analisadas as métricas obtidas dos testes relacionados a alteração do percentual de rotulagem juntamente com o aprendizado ativo, no qual os valores de revocação e precisão diminuíram
Palavras-chave:	Segurança de redes Aprendizado de máquina Fluxo contínuo de dados Aprendizado ativo
Área(s) do CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma:	por
País:	Brasil
Editora:	Universidade Federal de Uberlândia
Referência:	CARRASCO, Arnon Afonso Vieira. Aprendizado de máquina aplicado a detecção de botnets utilizando aprendizado ativo. 2022. 38 f. Trabalho de Conclusão de Curso -- Universidade Federal de Uberlândia, 2022. Graduação em Engenharia Mecatrônica.
URI:	https://repositorio.ufu.br/handle/123456789/35251
Data de defesa:	8-Jul-2022
Aparece nas coleções:	TCC - Engenharia Mecatrônica

Este item está licenciada sob uma Licença Creative Commons