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

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorCosta, Kelton Augusto Pontara da-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorLucas, Thiago José-
Data de aceite: dc.date.accessioned2025-08-21T18:39:32Z-
Data de disponibilização: dc.date.available2025-08-21T18:39:32Z-
Data de envio: dc.date.issued2024-12-09-
Data de envio: dc.date.issued2024-12-09-
Data de envio: dc.date.issued2024-07-01-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/11449/258802-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/258802-
Descrição: dc.descriptionO 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.-
Descrição: dc.descriptionThe 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.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Estadual Paulista (UNESP)-
Direitos: dc.rightsinfo:eu-repo/semantics/openAccess-
Palavras-chave: dc.subjectredes de computadores-
Palavras-chave: dc.subjectcibersegurança-
Palavras-chave: dc.subjectmachine learning-
Palavras-chave: dc.subjectcomputer networks-
Palavras-chave: dc.subjectcybersecurity-
Palavras-chave: dc.subjectmachine learning-
Título: dc.titleTráfego desbalanceado em redes de computadores: observações acerca dos efeitos do balanceamento de dados e sua relação com técnicas de ensemble learning aplicados a cibersegurança-
Título: dc.titleUnbalanced traffic in computer networks: observations on the effects of data balancing and its relation to ensemble learning techniques applied to cybersecurity-
Tipo de arquivo: dc.typeplanilha-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.