EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Avaliação da eficácia de algoritmos de machine learning na detecção de tráfego malicioso em redes corporativas

Cleilson Lopes Monteiro, Viviane dos Santos Almeida, Thiago Amaral Guarnieri, Dhiodines Fabrício Souza da Costa, Carlos Eduardo de Souza Santos, Renato do Nascimento, Cristino Corrêa Jordão

Revista ft · 13.03.2026 · 30 (156) · 01-11

DOI: 10.69849/yptp6153 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Revista ft, online erschienen am 13.03.2026. Verfasst von Cleilson Lopes Monteiro und 6 weiteren Autor:innen. Die Arbeit wurde bisher 1-mal zitiert (Crossref). Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

A crescente complexidade das ameaças cibernéticas impõe desafios significativos às organizações que dependem de infraestruturas digitais para suas operações. Métodos tradicionais de detecção de intrusão baseados em assinaturas têm se mostrado limitados diante de ataques sofisticados e dinâmicos, especialmente aqueles potencializados por técnicas automatizadas. Nesse contexto, algoritmos de Machine Learning emergem como alternativa promissora para a identificação de padrões anômalos em tráfego de rede. O presente artigo tem como objetivo avaliar a eficácia de algoritmos de Machine Learning na detecção de tráfego malicioso em redes corporativas, por meio de pesquisa bibliográfica qualitativa fundamentada na literatura científica dos últimos vinte anos. A análise contempla estudos comparativos sobre desempenho de modelos supervisionados e não supervisionados, métricas de avaliação e limitações práticas de implementação. Os resultados indicam que modelos baseados em aprendizado supervisionado apresentam alto desempenho preditivo, porém enfrentam desafios relacionados à escalabilidade, explicabilidade e adaptação a ataques do tipo zero-day. Conclui-se que a eficácia desses algoritmos depende não apenas da arquitetura computacional adotada, mas também da maturidade organizacional e da governança de dados corporativa.

Zitieren

APA

Monteiro, C. L., Almeida, V. D. S., Guarnieri, T. A., Costa, D. F. S. D., Santos, C. E. D. S., Nascimento, R. D., & Jordão, C. C. (2026). Avaliação da eficácia de algoritmos de machine learning na detecção de tráfego malicioso em redes corporativas. Revista ft, 30(156), 01-11. https://doi.org/10.69849/yptp6153

Vancouver

Monteiro CL, Almeida VDS, Guarnieri TA, Costa DFSD, Santos CEDS, Nascimento RD, et al. Avaliação da eficácia de algoritmos de machine learning na detecção de tráfego malicioso em redes corporativas. Revista ft. 2026;30(156):01-11. doi:10.69849/yptp6153

BibTeX
@article{Monteiro2026,
  author = {Monteiro, Cleilson Lopes and Almeida, Viviane dos Santos and Guarnieri, Thiago Amaral and Costa, Dhiodines Fabrício Souza da and Santos, Carlos Eduardo de Souza and Nascimento, Renato do and Jordão, Cristino Corrêa},
  title = {Avaliação da eficácia de algoritmos de machine learning na detecção de tráfego malicioso em redes corporativas},
  journal = {Revista ft},
  year = {2026},
  volume = {30},
  number = {156},
  pages = {01--11},
  doi = {10.69849/yptp6153}
}
Kostenlos starten →