1. Repositório Institucional - Universidade Federal de Uberlândia
2. Faculdade de Engenharia Elétrica (FEELT)
3. TCC - Engenharia Eletrônica e de Telecomunicações (Uberlândia)

Tipo do documento:	Trabalho de Conclusão de Curso
Tipo de acesso:	Acesso Aberto
Título:	Comparação entre o impacto de diferentes datasets em modelos de redes neurais artificiais na detecção de intrusões em redes de computadores
Autor(es):	Silva, João Pedro Pires
Primeiro orientador:	Silva, Éderson Rosa da
Primeiro membro da banca:	Mateus, Alexandre Coutinho
Segundo membro da banca:	Carneiro, Milena Bueno Pereira
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.
Palavras-chave:	Datasets Prevenção de Intrusões Redes Neurais Artificiais Segurança de Redes Transformer Artificial Neural Network Datasets Intrusion Prevention Network Security Transformer
Área(s) do CNPq:	CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOES
Idioma:	por
País:	Brasil
Editora:	Universidade Federal de Uberlândia
Referência:	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.
URI:	https://repositorio.ufu.br/handle/123456789/49654
Data de defesa:	3-Jun-2026
Aparece nas coleções:	TCC - Engenharia Eletrônica e de Telecomunicações (Uberlândia)

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.