
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Czestochowa University of Technology | - |
| Autor(es): dc.creator | Lucas, Thiago Jose | - |
| Autor(es): dc.creator | De Figueiredo, Inae Soares | - |
| Autor(es): dc.creator | Tojeiro, Carlos Alexandre Carvalho | - |
| Autor(es): dc.creator | De Almeida, Alex Marino G. | - |
| Autor(es): dc.creator | Scherer, Rafal | - |
| Autor(es): dc.creator | Brega, Jose Remo F. | - |
| Autor(es): dc.creator | Papa, Joao Paulo | - |
| Autor(es): dc.creator | Da Costa, Kelton Augusto Pontara | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T21:42:36Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T21:42:36Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2022-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/ACCESS.2023.3328535 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/309869 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/309869 | - |
| Descrição: dc.description | Machine learning algorithms present a robust alternative for building Intrusion Detection Systems due to their ability to recognize attacks in computer network traffic by recognizing patterns in large amounts of data. Typically, classifiers are trained for this task. Together, ensemble learning algorithms have increased the performance of these detectors, reducing classification errors and allowing computer networks to be more protected. This research presents a comprehensive Systematic Review of the Literature where works related to intrusion detection with ensemble learning were obtained from the most relevant scientific bases. We offer 188 works, several compilations of datasets, classifiers, and ensemble algorithms, and document the experiments that stood out in their performance. A characteristic of this research is its originality. We found two surveys in the literature specifically focusing on the relationship between ensemble techniques and intrusion detection. We present for the last eight years covered by this survey a timeline-based view of the works studied to highlight evolutions and trends. The results obtained by our survey show a growing area, with excellent results in detecting attacks but with needs for improvement in pruning for choosing classifiers, which makes this work unprecedented for this context. | - |
| Descrição: dc.description | São Paulo State University Department of Computing | - |
| Descrição: dc.description | Czestochowa University of Technology Department of Computing | - |
| Descrição: dc.description | São Paulo State University Department of Computing | - |
| Formato: dc.format | 122638-122676 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | IEEE Access | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Cybersecurity | - |
| Palavras-chave: dc.subject | ensemble learning | - |
| Palavras-chave: dc.subject | intrusion detection systems | - |
| Palavras-chave: dc.subject | machine learning | - |
| Título: dc.title | A Comprehensive Survey on Ensemble Learning-Based Intrusion Detection Approaches in Computer Networks | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: