Informações
- Título do trabalho: TCC - Análise comparativa de técnicas de pré-processamento e classificação em sistemas de detecção de intrusões
- Orientandos:
- Angelo Gabriel Vasconcelos Baptista
- Rafael Augusto Feliciano Assembleia
- Thiago Monteiro Tinonin
- Período: Início em Janeiro de 2025 e término em Dezembro de 2025
- Departamento: Ciência da Computação
Resumo do Trabalho
O aumento da complexidade dos ataques cibernéticos exige soluções inteligentes para a detecção de intrusões em redes computacionais. O desempenho desses sistemas depende diretamente da qualidade das features utilizadas, especialmente em bases amplamente estudadas como NSL-KDD e UNSW-NB15, que apresentam alto número de atributos, redundâncias e diferentes níveis de desbalanceamento. Este trabalho investiga o impacto de duas abordagens de otimização de features — o Naive Bayes, empregado como experimento para atribuição probabilística de relevância às variáveis, e o Principal Component Analysis (PCA), utilizado para redução de dimensionalidade — no desempenho de diversos algoritmos de classificação supervisionada aplicados a essas bases. A pesquisa realiza uma análise exploratória das características estruturais das bases, seguida de experimentos comparativos envolvendo múltiplos modelos de classificação, com e sem aplicação das técnicas de otimização. Os resultados evidenciam como a escolha do classificador, a estrutura da base e o pré-processamento influenciam diretamente métricas como acurácia, precisão, recall e F1-score. As contribuições incluem: (i) uma avaliação sistemática das bases NSL-KDD e UNSW-NB15; (ii) o estudo do Naive Bayes como ferramenta de seleção de importância; (iii) o uso do PCA para redução de dimensionalidade; e (iv) um comparativo abrangente entre diferentes classificadores. O estudo fornece evidências práticas para orientar pesquisadores e profissionais na construção de sistemas de detecção de intrusões mais eficientes e robustos
Palavras-Chave: ciber segurança; redes; aprendizado de máquina