1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Engenharia Elétrica (FEELT)
  3. TCC - Engenharia Eletrônica e de Telecomunicações (Uberlândia)
Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/49654
Full metadata record
DC FieldValueLanguage
dc.creatorSilva, João Pedro Pires-
dc.date.accessioned2026-08-18T16:43:29Z-
dc.date.available2026-08-18T16:43:29Z-
dc.date.issued2026-06-03-
dc.identifier.citationSILVA, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/49654-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectDatasetspt_BR
dc.subjectPrevenção de Intrusõespt_BR
dc.subjectRedes Neurais Artificiaispt_BR
dc.subjectSegurança de Redespt_BR
dc.subjectTransformerpt_BR
dc.subjectArtificial Neural Networkpt_BR
dc.subjectDatasetspt_BR
dc.subjectIntrusion Preventionpt_BR
dc.subjectNetwork Securitypt_BR
dc.subjectTransformerpt_BR
dc.titleComparação entre o impacto de diferentes datasets em modelos de redes neurais artificiais na detecção de intrusões em redes de computadorespt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Silva, Éderson Rosa da-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0745957106999584pt_BR
dc.contributor.referee1Mateus, Alexandre Coutinho-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5723816513897339pt_BR
dc.contributor.referee2Carneiro, Milena Bueno Pereira-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4071349511490099pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoEste 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia de Eletrônica e Telecomunicaçõespt_BR
dc.sizeorduration44pt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES::SISTEMAS DE TELECOMUNICACOESpt_BR
Appears in Collections:TCC - Engenharia Eletrônica e de Telecomunicações (Uberlândia)

Files in This Item:
File Description SizeFormat 
ComparaçãoEntreImpacto.pdfTCC16.58 MBAdobe PDFThumbnail
View/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.