Avaliação de algoritmos de machine learning para detecção de malware IoT no dataset IoT-23

Abstract

Este artigo apresenta uma avaliação de diferentes algoritmos de machine learning para detecção de malware em dispositivos IoT utilizando o dataset IoT-23. Modelos baseados nos algoritmos Random Forest, SVM, árvore de decisão e uma rede neural convolucional foram implementados e comparados. Os resultados evidenciam que o algoritmo Random Forest alcançou a maior acurácia, enquanto a rede neural convolucional e também o Random Forest obtiveram as melhores métricas de precisão e F1-Score. A metodologia de pré-processamento de dados e as métricas de avaliação são detalhadas, proporcionando uma visão abrangente da eficácia dos modelos e guiando pesquisas futuras.