dc.creator |
PAES, Domingos Sávio Faria |
|
dc.date.issued |
2023-02-27 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/3552 |
|
dc.description.abstract |
With the increasing dependence on technologies on a daily basis, it is evident the concern
to maintain the infrastructures that support its operation, thus guaranteeing a good
experience for the end user. Thus, denial of service attacks are among the main causes
of anomalies in computer networks, which can cause degradation or even interruption of
services. In this context, the application of new technologies, such as artificial intelligence
or machine learning, becomes increasingly necessary to ensure more agility in detecting
problems, reducing their impacts. Thus, this work presents an analysis between different
methods of classifier supervised machine learning, applied to data collected fromnetwork
equipment, of the switch type, in order to detect anomalies in the network infrastructure
of a higher education institution. The machine learning methods used in this work
were: Decision Tree, Random Forest, Extra Tree, Gradient Boosting, Extreme Gradient
Boosting and Histogram Gradient Boosting. The models generated from these methods
showed promise, being able to achieve results with 99.88% in the Weighted F1 metric
and 99.16% of Balanced Accuracy. Other points, such as training time, prediction time
and save file size, were also taken into account for the classification of the best method.
Given the importance of fault detection tools, this work contributes to the definition of
the best approaches and thus allows the development of new and more efficient tools for
this purpose. |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Aprendizado de máquina |
pt_BR |
dc.subject |
Detecção de anomalias |
pt_BR |
dc.subject |
Redes de computadores |
pt_BR |
dc.title |
Detecção preditiva de anomalias em redes de computadores com utilização de aprendizagem de máquina |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.date.available |
2023-03-23 |
|
dc.date.available |
2023-03-23T11:49:52Z |
|
dc.date.accessioned |
2023-03-23T11:49:52Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/8902389584704234 |
pt_BR |
dc.contributor.advisor1 |
BATISTA, Bruno Guazzelli |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/2265522825356241 |
pt_BR |
dc.contributor.advisor-co1 |
MORAES, Carlos Henrique Valério de |
|
dc.contributor.advisor-co1Lattes |
http://lattes.cnpq.br/3460761031788198 |
pt_BR |
dc.description.resumo |
Com a dependência cada vez maior das tecnologias no dia a dia, fica evidente a preocupação
em se manter as infraestruturas que dão suporte ao seu funcionamento, garantindo
assim uma boa experiência ao usuário final. Assim, os ataques de negação de serviço, estão
entre as principais causas de anomalias em redes de computadores, podendo causar uma
degradação ou até mesmo a interrupção dos serviços. Nesse contexto, a aplicação de novas
tecnologias, como a inteligência artificial ou o aprendizado de máquina, se tornam cada
vez mais necessárias, para garantir mais agilidade na detecção dos problemas diminuindo
seus impactos. Dessa forma, esse trabalho apresenta uma análise entre diferentes métodos
de aprendizagem de máquina supervisionado classificador, aplicados aos dados coletados
em equipamentos de rede, do tipo switch, de forma a detectar anomalias na infraestrutura
de redes de uma instituição de ensino superior. Os métodos de aprendizado de máquina
utilizados neste trabalho foram: Decision Tree, Random Forest, Extra Tree, Gradient Boosting,
Extreme Gradient Boosting e Histogram Gradient Boosting. Os modelos gerados a
partir desses métodos se mostraram promissores, sendo capaz de atingir resultados com
99.88% na métrica F1 Ponderada e 99,16% de Acurácia Balanceada. Outros pontos, como
tempo de treinamento, tempo de predição e tamanho do arquivo de salvamento, também
foram levados em consideração para a classificação do melhor método. Dada a importância
das ferramentas de detecção de falhas, este trabalho contribui para a definição
das melhores abordagens e assim permite que sejam elaboradas novas e mais eficientes
ferramentas para esta finalidade. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Ciência e Tecnologia da Computação |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::CIÊNCIAS EXATAS E DA TERRA::CIÊNCIA DA COMPUTAÇÃO |
pt_BR |
dc.relation.references |
PAES, Domingos Sávio Faria. Detecção preditiva de anomalias em redes de computadores com utilização de aprendizagem de máquina. 2023. 100 f. Dissertação (Mestrado em Ciência e Tecnologia da Computação.) – Universidade Federal de Itajubá, Itajubá, 2023. |
pt_BR |