Estado da arte sobre ferramentas de análise de tráfego anômalo em sistemas críticos
DOI:
https://doi.org/10.29327/1626690.7-208Palavras-chave:
Cibersegurança, Detecção de Anomalias, Redes de Comunicação, Infraestruturas Críticas, Aprendizado de MáquinaResumo
Este estudo forneceu uma visão bem definida em áreas de estudo do estado da arte em ferramentas de detecção de anomalias em sistemas críticos, destacando a importância da cibersegurança em um cenário global em rápida evolução.
A pesquisa revelou que técnicas de aprendizado de máquina, como redes neurais profundas (DNNs) e redes neurais convolucionais (CNNs), estão se tornando cada vez mais relevantes na detecção de ameaças cibernéticas, com taxas de detecção impressionantes que superam 94% em alguns casos. Essa evolução tecnológica é crucial para o enfrentamento das ameaças emergentes em um mundo interconectado.
Por fim, as recomendações para pesquisas futuras incluem a exploração de novas tecnologias, como blockchain e privacidade diferencial, para aprimorar as técnicas de detecção de anomalias. Este trabalho contribui para o campo da cibersegurança, propondo um caminho para a evolução contínua das práticas e ferramentas de proteção de sistemas críticos.
