1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Computação (FACOM)
3. TCC - Ciência da Computação

Tipo do documento:	Trabalho de Conclusão de Curso
Tipo de acesso:	Acesso Aberto
Título:	Análise dos Efeitos do PCA e MDI nos Datasets UNSW-NB15 e NSL-KDD, Visando a Federação de Máquinas de Aprendizado
Título(s) alternativo(s):	Analysis of the Effects of PCA and MDI on the UNSW-NB15 and NSL-KDD Datasets Aiming at Federated Machine Learning
Autor(es):	Abreu, Gabriel Martins
Primeiro orientador:	Faina, Luis Fernando
Primeiro coorientador:	Fernandes, Márcia Aparecida
Primeiro membro da banca:	Coelho, Paulo Rodolfo da Silva Leite
Segundo membro da banca:	Garcia, Luis Paulo Faina
Terceiro membro da banca:	Miani, Rodrigo Sanches
Resumo:	Este trabalho apresenta uma análise detalhada dos datasets UNSW-NB15 e NSL-KDD, com o objetivo de avaliar o impacto de diferentes técnicas de pré-processamento no desempenho de modelos de Inteligência Artificial Random Forest (RF) e Multilayer Perceptron (MLP), aplicados à detecção de intrusões (Intrusion Detection Systems – IDS). Foram aplicadas técnicas de normalização (Min-Max e Z-Score) e redução de dimensionalidade (PCA e MDI), além da realização de experimentos de avaliação cruzada e treinamento conjunto entre os dois datasets, buscando analisar a viabilidade de integração federada entre modelos treinados em domínios distintos. Os resultados mostram que o NSL-KDD, apesar de mais antigo e simples, produz resultados consistentes, enquanto o UNSW-NB15, mais realista e heterogêneo, apresenta maior desafio de generalização. A aplicação das técnicas de pré-processamento mostrou-se essencial para estabilizar o aprendizado e reduzir a redundância dos dados. Nos experimentos de avaliação cruzada, observou-se que o treinamento conjunto entre ambos os conjuntos aumentou a capacidade de generalização dos modelos, comportamento análogo à fusão de conhecimento esperada em cenários de aprendizado federado. Assim, este estudo contribui para o entendimento da relação entre pré-processamento, generalização e federação em IDS baseados em ML, oferecendo subsídios para o desenvolvimento de sistemas distribuídos mais robustos e alinhados à complexidade dos tráfegos de rede modernos
Palavras-chave:	Segurança de Redes Network Security Aprendizado de Máquina Machine Learning Aprendizado de Máquina Federado Federated Machine Learning Floresta Aleatória Random Forest UNSW-NB15
Área(s) do CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma:	por
País:	Brasil
Editora:	Universidade Federal de Uberlândia
Referência:	ABREU, Gabriel Martins. Análise dos Efeitos do PCA e MDI nos Datasets UNSW-NB15 e NSL-KDD, Visando a Federação de Máquinas de Aprendizado. 2025. 93 f. Trabalho de Conclusão de Curso (Graduação em Ciências da Computação) – Universidade Federal de Uberlândia, Uberlândia, 2025.
URI:	https://repositorio.ufu.br/handle/123456789/47497
Data de defesa:	19-Set-2025
Aparece nas coleções:	TCC - Ciência da Computação

Este item está licenciada sob uma Licença Creative Commons