%A Barbosa, Guilherme Nunes Nasseh
%A Mattos, Diogo Menezes Ferrazani
%D 2023
%T Seleção de Características com Alta Quantidade de Informação para Sistemas de Detecção de Intrusão baseada no Conjunto de Dominância de Pareto
%K
%X A pandemia de COVID-19 impulsionou a mudança no perfil de uso da Internet, o que fomentou o aumento de ataques e novas ameaças a instituições, até então, pouco visadas. Nesse novo cenário, ferramentas de detecção e prevenção de ameaças tendem a ser substituídas por soluções baseadas em aprendizado de máquina, que exigem execução eficiente. Este artigo propõe um método eficiente para a seleção de características para o aprendizado de máquina, utilizando a fronteira de Pareto. A proposta minimiza a correlação de Pearson e a Informação Mútua entre pares de características selecionadas. As características dominantes selecionadas foram aplicadas a três modelos de aprendizado de máquinas para classificação de fluxos maliciosos. O método proposto apresentou eficiência quando comparado a outros métodos, pois permite utilizar menos características para atingir valores similares de acurácia, precisão e revocação, diminuindo o tempo de treinamento e validação.
%U https://sol.sbc.org.br/index.php/sbrc/article/view/24537
%J Anais do Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos (SBRC)
%0 Journal Article
%R 10.5753/sbrc.2023.546
%P 169-182%@ 2177-9384
%8 2023-05-22