Algoritmos de Aprendizado de Máquina Eficientes para Detecção de Ataques DDoS

O ataque de Negação de Serviço Distribuído (DDoS) é um ataque amplamente disseminado que representa uma grande ameaça para organizações dependentes de serviços online. Os ataques DDoS têm como objetivo interromper serviços ao sobrecarregar servidores com tráfego falso proveniente de múltiplas fontes. A detecção precoce e eficaz de ataques DDoS é crucial para mitigar seu impacto. Recentemente, os algoritmos mais utilizados para detectar DDoS são baseados em Aprendizado de Máquina (ML) e Aprendizado Profundo (DL). O trabalho apresentado neste artigo foca em fornecer um estudo comparativo entre os algoritmos de ML que foram testados usando o conjunto de dados CICDoS2019. O objetivo dessa comparação é determinar o algoritmo de ML mais eficaz para a detecção de DDoS. Com base nos resultados do estudo comparativo, constatou-se que os algoritmos Gradient Boosting (GB) e XGBoost são extraordinariamente precisos e previram corretamente o tipo de tráfego de rede com 99,99% e 99,98% de precisão, respectivamente, além de uma baixa taxa de alarmes falsos de aproximadamente 0,004 para GB.