Publicação: Tráfego desbalanceado em redes de computadores: observações acerca dos efeitos do balanceamento de dados e sua relação com técnicas de ensemble learning aplicados a cibersegurança
Carregando...
Data
2024-07-01
Autores
Supervisor
Costa, Kelton Augusto Pontara da ![](assets/repositorio/images/logo-unesp.png)
![](assets/repositorio/images/logo-unesp.png)
Coorientador
Pós-graduação
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Relatório de pós-doc
Direito de acesso
Acesso aberto![Acesso Aberto](assets/repositorio/images/logo_acesso_aberto_simples.png)
![Acesso Aberto](assets/repositorio/images/logo_acesso_aberto_simples.png)
Resumo
Resumo (português)
O projeto de pós-doutorado investigou a importância do ajuste de proporcionalidade na distribuição das amostras em Ensemble Learning aplicado à cibersegurança. A pesquisa identificou uma lacuna na literatura sobre o impacto da distribuição desbalanceada de rótulos nos sistemas de detecção de intrusão. Os Objetivos foram? (I) analisar o efeito da distribuição proporcionalmente balanceada das amostras nos erros de classificação e custo computacional e (II) desenvolver modelos de sistemas mais eficientes e confiáveis; Os resultados obtidos apontaram para uma redução significativa de erros de classificação; otimização do desempenho dos sistemas de detecção de intrusão; contribuição para o desenvolvimento da área; produções científicas em congressos e periódicos e co-orientações de Mestrado. A experiência enriqueceu o proponente, demonstrando a eficácia dos métodos propostos e alcançando resultados além das expectativas iniciais.
Resumo (inglês)
The postdoctoral project investigated the importance of proportionality adjustment in the distribution of samples in Ensemble Learning applied to cybersecurity. The research identified a gap in the literature on the impact of unbalanced label distribution in intrusion detection systems. The objectives were: (I) to analyze the effect of proportionally balanced sample distribution on classification errors and computational cost and (II) to develop more efficient and reliable system models; The results obtained pointed to a significant reduction in classification errors; optimization of the performance of intrusion detection systems; contribution to the development of the area; scientific productions in congresses and journals and co-supervision of Master's degree. The experience enriched the proponent, demonstrating the effectiveness of the proposed methods and achieving results beyond initial expectations.
Descrição
Idioma
Português