Estes artigos são feitos por profissionais e estudantes dos diversos níveis do ensino universitário, mas que não são publicados. Queres publicar um artigo, projeto, protótipo ou ensaio que desenvolveste?
Machine Learning para Segurança em Ambientes IoT: Análise de Modelos para Deteção de Intrusões
A crescente expansão da Internet das Coisas (IoT) tem trazido enormes desafios ao nível da cibersegurança. A diversidade e o volume dos dispositivos conectados tornam os métodos tradicionais de proteção, como firewalls e sistemas de deteção por assinaturas, insuficientes face à sofisticação dos ataques atuais.
No seu artigo de revisão, o Henrique Guimarães explora a eficácia de modelos de machine learning na deteção de intrusões em ambientes IoT, com base no dataset de referência BoTNeTIoT-L01. São avaliados três modelos principais: Random Forest (RF), Multi-Layer Perceptron (MLP) e Convolutional Neural Network (CNN).
Entre os principais destaques do estudo:
Random Forest demonstrou 100% de precisão, recall e F1-score no conjunto de testes, sugerindo grande eficácia, embora também indique possível sobreajuste.
MLP atingiu uma precisão de 99,5% e uma performance sólida com F1-score de 96,8%.
CNN apresentou bons resultados, especialmente na deteção de padrões temporais, com capacidade de generalização potencialmente superior.
O Henrique reforça a importância de modelos robustos e equilibrados, salientando que os métodos mais complexos exigem maior poder computacional e cuidado na validação.
Este trabalho destaca o papel crítico do machine learning na cibersegurança de redes IoT e aponta caminhos para futuras investigações, incluindo a aplicação de aprendizagem federada e IA explicável.
Consulta o artigo completo e descarrega a versão em PDF aqui.
Henrique Guimarães é Data Scientist e programador full-stack, com experiência em machine learning, segurança em IoT e análise de dados. Está a concluir o mestrado em Inteligência Artificial Aplicada e desenvolve soluções inteligentes que ligam desenvolvimento web, automação e cibersegurança.
