TY - JOUR
AU - Souza, Cristian H. M.
AU - Arima, Carlos H.
PY - 2024/09/16
TI - Avaliação de algoritmos de machine learning para detecção de malware IoT no dataset IoT-23
JF - Anais do Simpósio Brasileiro de Segurança da Informação e de Sistemas Computacionais (SBSeg); 2024: Anais do XXIV Simpósio Brasileiro de Segurança da Informação e de Sistemas ComputacionaisDO - 10.5753/sbseg.2024.241472
KW -
N2 - Este artigo apresenta uma avaliação de diferentes algoritmos de machine learning para detecção de malware em dispositivos IoT utilizando o dataset IoT-23. Modelos baseados nos algoritmos Random Forest, SVM, árvore de decisão e uma rede neural convolucional foram implementados e comparados. Os resultados evidenciam que o algoritmo Random Forest alcançou a maior acurácia, enquanto a rede neural convolucional e também o Random Forest obtiveram as melhores métricas de precisão e F1-Score. A metodologia de pré-processamento de dados e as métricas de avaliação são detalhadas, proporcionando uma visão abrangente da eficácia dos modelos e guiando pesquisas futuras.
UR - https://sol.sbc.org.br/index.php/sbseg/article/view/30066