DETECÇÃO DE ANOMALIAS EM REDES DE COMPUTADORES E EQUIPAMENTOS IOT

O presente trabalho tem como motivação o aumento dos ataques cibernéticos a dispositivos conectados à internet, como computadores, celulares e equipamentos "Internet of Things" (IoT). O propósito desta pesquisa é analisar a base de dados que registra o tráfego de rede e avaliar a adequação do modelo de aprendizado de máquina para compreender a complexidade dos dados. Foram utilizados sistemas de Detecção de Anomalias, com algoritmos de Árvores de Decisão e Análise Fatorial para analisar dados de tráfego de rede e identificar atividades maliciosas. Os resultados obtidos mostraram altas taxas de acurácia: 100% com todas as variáveis, 100% com variáveis selecionadas pela árvore de decisão, 99% com 11 variáveis mais correlacionadas e 95% com 6 fatores principais da análise fatorial. No entanto, o uso da árvore de decisão pode não ser a melhor abordagem para a complexidade dos dados, mesmo com a redução da dimensionalidade e métodos para evitar o “overfitting”.