• Informações do Trabalho

Titulo Classificação de Fluxos de Rede Associados a Ataques DoS com Aprendizado de Máquina e Avaliação em Cenário Experimental Subtítulo Autor ALFREDO LUCAS DA SILVA NETO Orientador EDELBERTO FRANCO SILVA Resumo Este trabalho investiga o uso de modelos de aprendizado de máquina para a classificação de fluxos de rede associados a ataques de negação de serviço (DoS). Para isso, utiliza-se a base CICIDS2017, considerando apenas o tráfego benigno e as variações de DoS presentes no conjunto de dados. A metodologia inclui etapas de pré-processamento, remoção e seleção de atributos, divisão estratificada dos dados, avaliação do impacto do balanceamento por undersampling e comparação entre os modelos Random Forest e XGBoost. Além da avaliação offline, foi desenvolvida uma ferramenta de monitoramento e classificação contínua, responsável por capturar pacotes, extrair fluxos com o CICFlowMeter, aplicar o modelo treinado e emitir alertas para fluxos classificados como maliciosos. Os resultados na base de teste indicaram alto desempenho, com valores, por exemplo, de F1 > 0,9921, levando à seleção do Random Forest sem balanceamento. Entretanto, a avaliação em ambiente controlado evidenciou uma queda significativa na detecção de ataques gerados fora da base original, associada a diferenças nas distribuições dos atributos mais relevantes. Assim, o trabalho demonstra o potencial da abordagem, mas também ressalta limitações quanto à generalização em cenários práticos. Palavras-Chave Detecção de intrusão, aprendizado de máquina, DoS, CICIDS2017