Defesa de mestrado do discente Neivaldo Matos, dia 08/10, às 14:00.Defesa de mestrado do discente Neivaldo Matos, dia 08/10, às 14:00. Título: DETECÇÃO DE INTRUSÃO EM REDES DE DISPOSITIVOS IOT POR APRENDIZADO FEDERADO Resumo: A pesquisa investiga o uso de técnicas de Aprendizagem Federada para melhorar a detecção de intrusões em redes de Internet das Coisas (IoT) (Internet das Coisas), com foco nos algoritmos Federated Averaging (FedAvg), Federated Proximal Optimization (FedProx) e Federated Adaptive Optimization (FedAdam), para treinamento colaborativo de modelos. O objetivo é comparar o desempenho e a eficácia dos algoritmos na detecção de intrusões em redes de dispositivos IoT. O estudo visa atender aos objetivos delineados e fornecer uma análise abrangente do desempenho e da eficácia dos métodos. Propõe-se que sejam utilizados vários modelos de aprendizado de máquina, técnicas de pré-processamento de dados, ferramentas e bibliotecas para avaliar o desempenho da detecção de intrusões em redes IoT. Os resultados da pesquisa demonstraram, através da comparação, a eficácia das técnicas de Aprendizagem Federada na melhoria da precisão da detecção de intrusões em redes de dispositivos IoT. A análise demonstrou que o desempenho dos algoritmos FedAvg, FedProx e FedAdam é sensível a variações no desequilíbrio de classes, na heterogeneidade dos dados e na complexidade da classificação. O FedProx apresentou superioridade consistente em relação ao FedAvg nas métricas de acurácia e pontuação F1. Vantagem atribuída por seu termo de regularização proximal, que se mostrou eficaz em estabilizar o processo de treinamento em cenários de dados não- IID (não independentes e identicamente distribuídos), característicos de ambientes IoT do mundo real. Finalmente, o estudo destaca a importância de um conjunto de dados que referencia ataques em larga escala no ambiente IoT. Orientador: Daniel Ludovico Guidoni Membros Titulares da Banca: Prof. Dr. Felipe Domingos da Cunha - Puc Minas; Prof. Dr. Carlos Frederico M. C. Cavalcanti - UFOP LINK:DEFESA DISSERTAÇÃO |
Departamento de Computação | ICEB | Universidade Federal de Ouro Preto
Campus Universitário Morro do Cruzeiro | CEP 35400-000 | Ouro Preto - MG, Brasil
Telefone: +55 31 3559-1692 | decom@ufop.edu.br
