Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufu.br/handle/123456789/47273| ORCID: |  http://orcid.org/0009-0009-2152-7294 |
| Tipo de documento: | Trabalho de Conclusão de Curso |
| Tipo de acceso: | 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: | Gonçalves, Eduardo Ribeiro |
| Primer orientador: | Miani, Rodrigo Sanches |
| Primer miembro de la banca: | Molinos, Diego Nunes |
| Segundo miembro de la banca: | Sendin, Ivan da Silva |
| Resumen: | 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. |
| Palabras clave: | Inteligência artificial Aprendizado de máquina Sistemas de detecção de intrusão Floresta aleatória CICIDS2017 |
| Área (s) del CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editora: | Universidade Federal de Uberlândia |
| Cita: | 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 |
| Fecha de defensa: | 22-sep-2025 |
| Aparece en las colecciones: | TCC - Ciência da Computação |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| EstudoGeneralizaçãoAtaques.pdf | 6.81 MB | Adobe PDF |  Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
