Análise de Métricas de Desempenho sobre a Conjuntura de Intrusões em Redes IEEE 802.11 com Aprendizagem de Máquina no Hospital N.S.C.

• Autor(a) principal: Andrade, Matheus Santos
• Data de Publicação: 2023
• Outros Autores: Freitas, Jonathas Carvalho de, Dultra, Aldo César dos Santos, Souza Junior, Ubiratan Silva de
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Research, Society and Development
• Texto Completo: https://rsdjournal.org/index.php/rsd/article/view/41277
• topic: Ameaças; Qualidade; Evidências.; Amenazas; Calidad; Evidencias.; Threats; Quality; Evidences.

A segurança presente em redes IEEE 802.11 faz-se diariamente mais relevante. Porém, a segurança na rede IEEE 802.11 não tem acompanhado as ameaças com tanta significância. Por este motivo surge a proposta deprojetar um Sistema de Detecção de Intrusão-IDS baseada em aprendizagem de máquina que será capaz de possuir auto-aperfeiçoamento, visto que, irá criar um ambiente seguro, capaz de detectar todas as ameaças dissimuladas, Deauthentication, EAPOL-Logoff e Beacon Flood, em que foram lançadas em uma rede corporativa real.               Com isto, correlacionado as métricas de desempenho, e entre uma delas, que preza pela qualidade da classificação, o Matthews Correlation Coefficient. A anomalia Deauthentication acima do classificador Naive Bayes foi obtido de (88,71%), já a valia de qualidade do classificador Logistic Regression(Logistic) equacionado a (88,69%), e não obstante, o J48 apresentou um valor menor de (88,47%). Apesar disso, a identificação do ataque Beacon Flood, se deu por conta do algoritmo Naive Bayes exibindo a maior taxa de          detecção (100,00%), seguido do Logistic (99,95%) e J48 possuindo o menor valor (98,85%). Conseguinte, na detecção da anomalia EAPOL-Logoff, os classificadoresapresentaram similitude de (100,00%) e a demais, com a apresentação de uma detecção, em virtude de dados nãoanômalos (Normal), o Naive Bayes foi acometido de (89,92%), seguido do Logistic mantendo (89,89%), enquanto, o J48 foi testado com uma taxa menor de (89,67%). Com as evidências do estudo proveem a possibilidade de que épossível desenvolver um sistema de detecção de intrusão baseado em redes wireless.