Use este identificador para citar ou linkar para este item:
https://repositorio.ufu.br/handle/123456789/47273| ORCID: |  http://orcid.org/0009-0009-2152-7294 |
| Tipo do documento: | Trabalho de Conclusão de Curso |
| Tipo de acesso: | Acesso Aberto |
| Título: | Um estudo sobre a generalização de ataques de negação de serviço em sistemas de detecção de intrusão |
| Título(s) alternativo(s): | A study on the generalization of denial-of-service attacks in intrusion detection systems |
| Autor(es): | Gonçalves, Eduardo Ribeiro |
| Primeiro orientador: | Miani, Rodrigo Sanches |
| Primeiro membro da banca: | Molinos, Diego Nunes |
| Segundo membro da banca: | Sendin, Ivan da Silva |
| Resumo: | Com o aumento do tráfego de Internet e, consequentemente, dos ataques em redes de computadores, soluções como Sistemas de Detecção de Intrusão (IDS) vêm sendo utiliza- das para mitigar esses problemas. Diversos trabalhos na literatura utilizam Aprendizado de Máquina para avaliar se modelos conseguem identificar ataques. Este trabalho ana- lisa modelos treinados com o conjunto CICIDS2017 e com um conjunto experimental em um ambiente de máquinas virtuais, denominado “UFUIDSDOS2025”, contendo tráfego normal e ataques de Negação de Serviço (DoS), investigando suas capacidades de ge- neralização, ou seja, sua habilidade de manter bom desempenho ao classificar dados de cenários distintos daquele em que foi treinado. Foram feitas análises exploratórias, pro- cessamento dos dados, e o treinamento de um modelo com o CICIDS2017, utilizando o algoritmo Floresta Aleatória (RF), que obteve altos resultados em métricas como preci- são, revocação e medida-F1. Contudo, ao ser avaliado com o conjunto UFUIDSDOS2025, apresentou desempenho muito baixo. Por outro lado, o modelo treinado com o conjunto experimental obteve bons resultados na sua validação, e ao ser validado com amostras do CICIDS2017, conseguiu detectar ataques DoS, embora com alto número de falsos po- sitivos. Para investigar as causas da baixa performance, aplicaram-se técnicas de análise das Árvores de Decisão em ambos os modelos. As análises evidenciaram divergências nos caminhos percorridos pelas árvores ao classificar amostras de cada conjunto, resultando em decisões distintas, associadas a variáveis específicas. |
| Palavras-chave: | Inteligência artificial Aprendizado de máquina Sistemas de detecção de intrusão Floresta aleatória CICIDS2017 |
| Área(s) do CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Referência: | GONÇALVES, Eduardo Ribeiro. Um estudo sobre a generalização de ataques de negação de serviço em sistemas de detecção de intrusão. 2025. 56 f. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2025. |
| URI: | https://repositorio.ufu.br/handle/123456789/47273 |
| Data de defesa: | 22-Set-2025 |
| Aparece nas coleções: | TCC - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| EstudoGeneralizaçãoAtaques.pdf | 6.81 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
