Banca de QUALIFICAÇÃO: PAULO VICTOR BENEVIDES MARINHO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : PAULO VICTOR BENEVIDES MARINHO
DATA : 27/05/2026
HORA: 08:30
LOCAL: Híbrido: Prédio do LCC (Presencial) e Videoconferência via Google Meet (Remota)
TÍTULO:

MODELOS DE APRENDIZADO DE MÁQUINA PARA A DETECÇÃO DE ATAQUES DISTRIBUÍDOS DE NEGAÇÃO DE SERVIÇO

PALAVRAS-CHAVES:

Ataques DDoS; Aprendizagem de Máquina; Algoritmos de Classificação; Segurança de Redes.

PÁGINAS: 47
RESUMO:

A crescente dependência de serviços online e aplicações sensíveis à latência tornou a disponibilidade da rede um requisito crítico para as infraestruturas digitais modernas, especialmente em ambientes complexos e interconectados como IoT e 5G. Neste cenário, os ataques Distribuídos de Negação de Serviço (DDoS) representam uma ameaça severa, exigindo mecanismos de detecção cada vez mais rápidos e precisos. Este trabalho apresenta uma abordagem baseada em algoritmos de Aprendizagem de Máquina para a detecção de ataques DDoS. A metodologia abrange a avaliação e comparação de diferentes algoritmos de classificação (KNN, DT, SVM, RF, XGBoost, GBM e MLP) na identificação de características maliciosas no tráfego de rede. A validação foi feita principalmente com 10-fold cross-validation. O estudo também realizou análise de ablação de classes e seleção de features, com o objetivo de otimizar o desempenho dos modelos. A maior acurácia registrada ficou por conta do Random Forest, que teve valores na faixa dos 97% a 99% dependendo do cenário de aplicação observado.

MEMBROS DA BANCA:
Presidente - 2303300 - LENARDO CHAVES E SILVA
Interna - 1806473 - AMANDA GONDIM DE OLIVEIRA
Externo à Instituição - ALVARO ALVARES DE CARVALHO CESAR SOBRINHO - UFAPE
Externo à Instituição - LEANDRO DIAS DA SILVA