Uma análise comparativa entre abordagens de aprendizado de máquina para detecção de ameaças cibernéticas na segurança da IOT

Revista Terra & Cultura

Endereço:
Rua Alagoas, 2050 - Centro
Londrina / PR
86020430
Site: http://periodicos.unifil.br/index.php/Revistateste/index
Telefone: (43) 3375-7448
ISSN: 0104-8112
Editor Chefe: Leandro Henrique Magalhães
Início Publicação: 01/09/1981
Periodicidade: Semestral
Área de Estudo: Multidisciplinar

Uma análise comparativa entre abordagens de aprendizado de máquina para detecção de ameaças cibernéticas na segurança da IOT

Ano: 2024 | Volume: 40 | Número: Especial
Autores: Daniella Carolina Camargo Torelli, Ricardo Petri Silva
Autor Correspondente: Daniella Carolina Camargo Torelli | periodicos@unifil.br

Palavras-chave: cibersegurança, aprendizado de máquina, detecção de ameaças, internet das coisas, análisecomparativa

Resumos Cadastrados

Resumo Português:

À medida que a Internet se torna essencial em nossas vidas, os ataques cibernéticos proliferam. Este artigo realiza uma análise comparativa entre duas pesquisas que utilizam técnicas de aprendizado de máquina para a detecção de ameaças cibernéticas. Exploramos a relevância da cibersegurança, abordando a crescente ameaça de ataques, incluindo exemplos como phishing e ransomware. Discutimos as aplicações do aprendizado de máquina na detecção de ameaças e revisamos conjuntos de dados críticos. Em seguida, propomos uma metodologia de avaliação com base na eficiência na detecção, tempo requerido para detecção e qualidade das bases de dados. Concluímos que ambos os artigos complementam - se e contribuem para uma compreensão abrangente da detecção de ameaças na internet das Coisas (IoT). Este estudo fornece insights valiosos para pesquisadores e profissionais de segurança cibernética.



Resumo Inglês:

As the Internet becomes essential in our lives, cyberattacks are proliferating. This article carries out a comparative analysis between two studies that use machine learning techniques to detect cyber threats. We explore the relevance of cybersecurity, addressing the growing threat of attacks, including examples such as phishing and ransomware. We discuss the applications of machine learning in threat detection and review critical datasets. Then, we propose an evaluation methodology based on detection efficiency, time required for detection and quality of databases. We conclude that both articles complement each other and contribute to a comprehensive understanding of threat detection in the Internet of Things (IoT). This study provides valuable insights for cybersecurity researchers and professionals.