Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufu.br/handle/123456789/46188| ORCID: |  http://orcid.org/0009-0007-6386-0496 |
| Tipo de documento: | Trabalho de Conclusão de Curso |
| Tipo de acceso: | Acesso Aberto |
| Título: | Um estudo baseado em aprendizado de máquina e SHAP para detecção de ataques DDoS utilizando o Dataset CICDDoS2019 |
| Título (s) alternativo (s): | A machine learning and SHAP based study for DDoS attack detection using the CICDDoS2019 dataset |
| Autor: | Aniceto, Breno Palma Miele |
| Primer orientador: | Molinos, Diego Nunes |
| Primer miembro de la banca: | Miani, Rodrigo Sanches |
| Segundo miembro de la banca: | Santos, Fernanda Maria da Cunha |
| Resumen: | 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 |
| Palabras clave: | Aprendizado de máquina Detecção de ataques DDoS Segurança de redes SHAP Inteligência artificial explicável CIC-DDoS2019 |
| Área (s) del CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Cita: | 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. |
| URI: | https://repositorio.ufu.br/handle/123456789/46188 |
| Fecha de defensa: | 14-may-2025 |
| Aparece en las colecciones: | TCC - Sistemas de Informação (Uberlândia) |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| EstudobaseadoAprendizado.pdf | 7.03 MB | Adobe PDF |  Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.