Eficiência do Kitsune no Dataset AB-TRAP: Classificação e Separação de Tráfego de Rede

Resumo

Em termos de métricas de desempenho, o Kitsune apresentou uma precisão de 0,87 e um recall perfeito de 1,0, resultando em um F1-score de 0,931. Esses números indicam que o modelo possui um bom equilíbrio entre a detecção de pacotes maliciosos e a redução de falsos negativos. No entanto, o alto valor de RMSE e as variações significativas nos erros de reconstrução destacam a necessidade de ajustes adicionais, especialmente em ambientes de rede mais complexos.
Portanto, enquanto o Kitsune demonstrou ser uma ferramenta eficaz para detecção de intrusões em rede, ajustes na arquitetura do modelo e na configuração do RMSE são essenciais para reduzir a taxa de falsos positivos e aumentar a capacidade de detectar ataques
realizados por ferramentas específicas, como Unicornscan, Masscan e Hping. Esse aprimoramento será fundamental para garantir que o Kitsune possa operar com maior consistência e precisão em cenários reais de rede, fortalecendo a segurança das redes monitoradas.