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

ORCID:	http://orcid.org/0009-0003-4375-0581
Document type:	Trabalho de Conclusão de Curso
Access type:	Acesso Aberto
Title:	Detecção de intrusão em redes de computadores com aprendizado semi-supervisionado
Alternate title (s):	Intrusion detection in computer networks using semi-supervised learning
Author:	Dias, Pedro Biagi
First Advisor:	Paiva, Elaine Ribeiro de Faria
First member of the Committee:	Miani, Rodrigo Sanches
Second member of the Committee:	Paulino, Alessandra Aparecida
Summary:	A crescente conectividade das redes de computadores ampliou a superfície de ataque e a frequência de ameaças cibernéticas, tornando os Sistemas de Detecção de Intrusão (IDS) essenciais para a segurança da informação. Um dos maiores desafios da área é a escassez de dados rotulados, já que ataques reais são raros e variáveis, o que limita os modelos supervisionados. Nesse cenário, o aprendizado semi-supervisionado se destaca por aproveitar grandes volumes de dados não rotulados. Este trabalho compara dois algoritmos semi-supervisionados aplicados à detecção de intrusão: o Label Propagation (LPA) e o Random Forest com Co-Training. Os experimentos foram conduzidos sobre a base CIC-IDS2017, realizando ocultações de amostras a fim de simular a escassez de rótulos, por meio de diferentes frações de dados rotulados, com particionamento estratificado. O desempenho foi avaliado por acurácia, precisão, revocação e F1-Score. Os resultados mostraram a superioridade do Co-Training, que manteve altos valores de F1-Score e revocação com apenas 1% de dados rotulados, aliado a baixo custo computacional. Já o LPA mostrou-se sensível ao desbalanceamento, dependente de maior supervisão e com elevado custo computacional. Conclui-se que, para a detecção de intrusão com poucos rótulos, o Random Forest com Co-Training oferece a melhor relação entre desempenho, robustez e eficiência.
Keywords:	Sistemas de detecção de intrusão Aprendizado de máquina Aprendizado semi-supervisionado Label propagation Co-training
Area (s) of CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO::SISTEMAS DE INFORMACAO
Country:	Brasil
Publisher:	Universidade Federal de Uberlândia
Quote:	DIAS, Pedro Biagi. Detecção de intrusão em redes de computadores com aprendizado semi-supervisionado. 2026. 41 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) - Universidade Federal de Uberlândia, Uberlândia, 2026.
URI:	https://repositorio.ufu.br/handle/123456789/50382
Date of defense:	4-Aug-2026
Appears in Collections:	TCC - Sistemas de Informação (Uberlândia)

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