Publicação: Aprendizado de máquina e interpretabilidade com SHAP para detecção de spyware em dados de memória
Carregando...
Tipo do documento
Data
Direito de acesso
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
Miani, Rodrigo Sanches
Resumo
A segurança da informação enfrenta desafios cada vez maiores com o avanço de ameaças
cibernéticas sofisticadas, como os spywares. Esses malwares atuam de forma silenciosa,
dificultando sua detecção por soluções tradicionais baseadas em assinaturas. Este traba-
lho propõe o desenvolvimento de um algoritmo baseado em aprendizado de máquina para
a detecção de spyware por meio da análise de memória volátil, utilizando o conjunto de
dados CIC-MalMem-2022. Foram aplicadas técnicas de pré-processamento, seleção
de atributos e validação cruzada para treinar e avaliar quatro modelos: Árvore de
Decisão, Naive Bayes, Support Vector Machine (SVM) e Rede Neural. A avali-
ação dos modelos considerou métricas como acurácia e tempo de inferência. Os resultados
demonstraram que é possível identificar comportamentos maliciosos relacionados a spywa-
res com elevada precisão utilizando conjuntos de dados extraídos da memória. Este estudo
contribui para o avanço de abordagens inteligentes na segurança cibernética, explorando
um tipo de ameaça pouco abordado em relação a outros tipos de malware.
Abstract
Information security faces increasing challenges with the advancement of sophisticated cyber threats, such as spyware. These malwares operate silently, making them difficult to detect using traditional signature-based solutions. This work proposes the development of a machine learning-based algorithm for spyware detection through volatile memory analysis, using the CIC-MalMem-2022 dataset. Preprocessing, feature selection, and cross-validation techniques were applied to train and evaluate four models: Decision Tree, Naive Bayes, Support Vector Machine (SVM), and Neural Network. The evaluation of the models considered metrics such as accuracy and inference time. The results demonstrated that it is possible to identify malicious behaviors related to spyware with high precision using datasets extracted from memory. This study contributes to the advancement of intelligent approaches in cybersecurity, exploring a type of threat that is little addressed in relation to other types of malware.
Palavras-chave
Malware, Spyware, Segurança da informação, Machine learning, Inteligência arficial
Citação
SANTOS, Matheus Antônio. Aprendizado de máquina e interpretabilidade com SHAP para detecção de spyware em dados de memória. 2025. 60 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal de Uberlândia, Uberlândia, 2025.
DOI
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto