1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Ciência da Computação
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/46428
Full metadata record
DC FieldValueLanguage
dc.creatorEsteves, João Pedro Ramires-
dc.date.accessioned2025-07-18T12:00:01Z-
dc.date.available2025-07-18T12:00:01Z-
dc.date.issued2025-05-13-
dc.identifier.citationESTEVES, João Pedro Ramires. Aplicação de Inteligência Artificial Explicável no Contexto de Detecção de Intrusão em Dispositivos IoT. 2025. 54 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/46428-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-sa/3.0/us/*
dc.subjectInternet das Coisaspt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectSistemas de Detecção de Intrusãopt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectInteligência Artificial Explicávelpt_BR
dc.subjectSHAPpt_BR
dc.titleAplicação de Inteligência Artificial Explicável no Contexto de Detecção de Intrusão em Dispositivos IoTpt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Miani, Rodrigo Sanches-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2992074747740327pt_BR
dc.contributor.referee1Molinos, Diego Nunes-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/2451163675391898pt_BR
dc.contributor.referee2Santos, Fernanda Maria da Cunha-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/6802596562404346pt_BR
dc.creator.Latteshttps://lattes.cnpq.br/4899321872055733pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA crescente adoção de dispositivos inteligentes em ambientes como redes domésticas le- vanta a necessidade de considerações de segurança em seu entorno, assim tornando im- portantes sistemas que possam ajudar a assegurar a segurança cibernética dos mesmos. Circunscrito a esse desafio, este trabalho investiga a aplicação de técnicas de Inteligência Artificial Explicável (XAI) para promover maior transparência de sistemas de detecção de intrusão (IDSs) em dispositivos Internet das Coisas (IoT). Utilizando do conjunto de dados CICIoT2023, foram feitas análises exploratórias e pré-processamento dos dados, seguida da seleção e treinamento de oito modelos de aprendizado de máquina, dentre os quais XGBoost se destacou em termos de performance. Para diferenciação entre tráfego normal e de ataque, alcançou 86% de acurácia, e para separar não somente anomalias, mas também seu tipo, obteve 77%, com ressalvas em categorias minoritárias. Empregou-se a técnica SHAP de explicações para análise de contribuições globais e locais das variáveis nas decisões desses modelos, que revelaram dependências ambíguas e potenciais vieses - o protocolo https apresentou influência contraditória, ora elevando a probabilidade de trá- fego benigno, ora contribuindo para falsos positivos de ataque; a métrica min oscilou entre reforçar decisões de ataque e benigno dependendo do caso. Caminhos futuros apontados direcionam-se no sentido de engenharia de atributos e seleção de variáveis.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseCiência da Computaçãopt_BR
dc.sizeorduration54pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.orcid.putcode188226162-
Appears in Collections:TCC - Ciência da Computação

Files in This Item:
File Description SizeFormat 
AplicaçãoInteligênciaArtificial.pdfTCC12.1 MBAdobe PDFThumbnail
View/Open
Show simple item record


This item is licensed under a Creative Commons License Creative Commons