Publicação: Comparação entre o impacto de diferentes datasets em modelos de redes neurais artificiais na detecção de intrusões em redes de computadores
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Este estudo aborda a aplicação de Redes Neurais Artificiais (RNAs) voltadas à prevenção de intrusões em redes de computadores, fundamentando-se na premissa de que o sucesso de um modelo de inteligência artificial é pautado pelo aprendizado, estrutura de raciocínio, custo computacional e, primordialmente, pelo banco de dados utilizado. O objetivo central deste projeto é analisar como a estrutura dos valores e a organização de um conjunto de dados afetam os parâmetros e a efetividade de uma RNA. A metodologia consiste no treinamento de um modelo de rede neural do tipo Transformer utilizando dois bancos de dados distintos: o UNSW-NB15, gerado pela ferramenta IXIA PerfectStorm no Cyber Range Lab da University of New South Wales (UNSW) Canberra, e sua respectiva versão Netflow. Para garantir a comparabilidade, os parâmetros do modelo são mantidos constantes, permitindo a análise dos resultados de acurácia, recall e F1-Score em ambos os cenários, além da realização de uma validação cruzada entre os bancos de dados. A fundamentação teórica explora a estrutura inspirada no sistema neural biológico e a evolução tecnológica para mecanismos de auto-atenção (self-attention), que permitem identificar dependências de longo alcance de forma eficiente. O trabalho também discute técnicas de otimização e regularização, como o uso dos otimizadores Adam e AdamW, além da técnica de Dropout para mitigar o overfitting e garantir a capacidade de generalização do agente diante de informações inéditas. Assim, a partir dos testes e das análises realizadas, conclui-se que a organização das informações dos ataques de rede impacta diretamente no sucesso do processo de treinamento e na performance final do modelo de segurança.
Abstract
Palavras-chave
Datasets, Prevenção de Intrusões, Redes Neurais Artificiais, Segurança de Redes, Transformer, Artificial Neural Network, Datasets, Intrusion Prevention, Network Security, Transformer
Citação
SILVA, João Pedro Pires. Comparação entre o impacto de diferentes datasets em modelos de redes neurais artificiais na detecção de intrusões em redes de computadores. 2026. 44 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Eletrônica e de Telecomunicações) – Universidade Federal de Uberlândia, Uberlândia, 2026.