1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Sistemas de Informação (Uberlândia)
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/46638
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.creatorSantos, Dhiogo Pereira-
dc.date.accessioned2025-08-20T13:02:24Z-
dc.date.available2025-08-20T13:02:24Z-
dc.date.issued2025-05-16-
dc.identifier.citationSANTOS, Dhiogo Pereira. Detecção Inteligente de Trojans com SHAP: Comparativo de Algoritmos de aprendizado de Máquina e Capacidade de Inferência. 2025. 58 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal de Uberlândia, Uberlândia, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/46638-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectTrojanpt_BR
dc.subjectMalwarept_BR
dc.subjectDetecção de ameaçaspt_BR
dc.subjectClassificação supervisionadapt_BR
dc.titleDetecção Inteligente de Trojans com SHAP: Comparativo de Algoritmos de Aprendizado de Máquina e Capacidade de Inferênciapt_BR
dc.title.alternativeIntelligent Trojan Detection with SHAP: A Comparative Analysis of Machine Learning Algorithms and Inference Capabilitypt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Molinos, Diego Nunes-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2451163675391898pt_BR
dc.contributor.referee1Justiniano de Sousa, Daniela-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5608243780081192pt_BR
dc.contributor.referee2Natal, Igor da Penha-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4275771362524151pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoEste trabalho tem o objetivo de investigar a aplicação de algoritmos de aprendizado de máquina na detecção de malwares do tipo trojan, a partir da análise de dados de memória, utilizando a metodologia de análise e treinamento de modelo descrita em (LEONEL; MOLINOS;MIANI,2024). Utilizando o conjunto de dados CIC-MalMem-2022 (Canadian Institute for Cybersecurity (2022)), foram empregados quatro algoritmos supervisionados, são eles: (a) Árvore de Decisão, (b) Rede Neural Artificial, (c) Naive Bayes e (d) Support Vector Machine, com o objetivo de comparar seus desempenhos em termos de acurácia, interpretabilidade e eficiência computacional. A fim de promover maior transparência e robustez aos modelos, foi incorporada a técnica SHAP (SHapley Additive exPlanations), permitindo a análise da importância individual de cada atributo e a subsequente seleção do conjunto das características. Além da avaliação tradicional por métricas estatísticas como acurácia, precisão, sensibilidade e F1-score, este trabalho realiza uma análise aprofundada do tempo de inferência dos modelos em cenários de execução unitária e em blocos. Os resultados obtidos indicam que a aplicação combinada de técnicas de aprendizado de máquina e inteligência artificial explicável é eficaz não apenas na detecção de trojans com alta precisão, mas também na construção de classificadores mais enxutos, interpretáveis e adaptáveis a contextos com restrições de tempo e recursos.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseSistemas de Informaçãopt_BR
dc.sizeorduration58pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.orcid.putcode190222073-
Aparece en las colecciones:TCC - Sistemas de Informação (Uberlândia)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
Detecção_Inteligente_De_Trojans1.2 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.