No dia 06 de setembro de 2024, Luiz Augusto dos Santos Pires, estudante do Programa de Pós-Graduação Profissional em Engenharia Elétrica (PPEE), defendeu sua dissertação intitulada “Manutenção de Sistemas de Detecção de Intrusão Baseados em Algoritmos de Aprendizado de Máquina Utilizando Benchmarks e Software de Extração de Features”.
A dissertação aborda o Contexto: Com o aumento de ataques em rede, impulsionado pelo avanço da inteligência artificial e da Internet das Coisas (IoT), que muitas vezes utiliza dispositivos com segurança frágil, torna-se crucial desenvolver mecanismos para a manutenção de Sistemas de Detecção de Intrusão (IDS). Uma forma de possibilitar isso é utilizar estratégias para atualizar de forma constante algoritmos de aprendizado de máquina que classificam o tráfego de rede. Um dos pontos mais críticos para isso é a extração de features da rede, pois são usadas como entrada para o treinamento de modelos de aprendizado de máquina. Assim, este trabalho teve por objetivo criar um software para extrair de forma automatizada 26 features do dataset NSL -KDD e analisar os principais fatores e benchmarks utilizados na literatura para treinar modelos de machine learning (ML), com o intuito de se obter um algoritmo ótimo de classificação a partir do conjunto de features extraídas pela ferramenta proposta. O algoritmo ótimo resultante a partir das 26 features extraídas pelo software foi obtido ao se mesclar o dataset do NSL -KDD com o Kyoto 2006+, tendo valores de acurácia em 83,81%, recall em 75,65%, precision em 94,87% e f1 – score em 84,17% no arquivo de teste do NSL -KDD. Ainda foi utilizado o software e algoritmo de ML propostos para avaliar o desempenho no dataset CIC -IoT2023, que envolve grande quantidade de tráfego IoT, percebendo -se, após os testes no dataset, a necessidade de realizar a manutenção do algoritmo de ML para melhorar a classificação no CIC – IoT2023. Como último resultado, o software para extração de features foi registrado no INPI (Instituto Nacional da Propriedade Industrial) na categoria de programa de computador (BR512023001038 -3).
A banca examinadora foi composta pelos professores do PPEE, Georges Daniel Amvame Nze, orientador e presidente, Fábio Lúcio Lopes de Mendonça, membro interno, e Laerte Peotta de Melo, membro externo.
Luiz Augusto, teve sua produção intelectual publicada, na RIST
Sobre sua experiência no PPEE, Luiz declarou: “A importância de desenvolver Sistemas de Detecção de Intrusão (IDS) eficientes para a sociedade é cada vez mais evidente, especialmente com o crescimento exponencial da Internet das Coisas (IoT) e o avanço da inteligência artificial. Diante dessa realidade, a necessidade de atualizarmos constantemente os algoritmos de aprendizado de máquina usados em IDS para classificar e identificar tráfego malicioso se torna uma solução interessante. A extração de features eficazes e automatizadas, como a que proponho em meu trabalho, é fundamental para o desenvolvimento de soluções mais seguras, que protejam tanto as infraestruturas públicas quanto as privadas. Minha trajetória no Programa de Pós-Graduação em Engenharia Elétrica (PPEE) tem sido crucial para o desenvolvimento deste projeto. Durante minha formação, tive o privilégio de contar com professores altamente qualificados, cujos ensinamentos e orientações foram essenciais para a qualidade do trabalho que desenvolvo. O nível de excelência do programa não apenas ampliou meu conhecimento técnico, mas também me permitiu ter uma visão mais abrangente sobre os desafios reais da cibersegurança. Com uma sólida base teórica e prática adquirida no PPEE, sinto-me preparado para contribuir significativamente com soluções inovadoras que possam beneficiar a sociedade como um todo.”
O trabalho completo de Luiz Augusto dos Santos Pires Ferreira está disponível em: Produção discente
Parabenizamos o discente pelo esforço e desejamos sucesso em sua trajetória acadêmica.
