@MASTERSTHESIS{ 2020:1982299089,
 	title = {Combinação autoajstada de modelos de aprendizagem de máquina com otimização de hiperparâmetros para detecção de intrusos em redes de computadores},
 	year = {2020},
 	url = "http://tede.unioeste.br/handle/tede/5331",
 	abstract = "O aumento dos incidentes de segurança reportados nos últimos anos acompanha a expansão dos sistemas de informação nos ambientes institucionais/corporativos e o crescimento no uso da Internet. Em resposta a essa situação, iniciativas variadas se ocupam em oferecer proteção aos ambientes digitais, buscando evitar a ocorrência de intrusões em redes de computadores. Dentro do escopo dessas iniciativas, o trabalho proposto nesta dissertação consiste em um método genérico que emprega a combinação autônoma/autoajustada de soluções de aprendizagem de máquina para a detecção de intrusões em redes de computadores. O método genérico proposto faz uso de otimização de hiperparâmetros aplicada à modelagem de aprendizagem de máquina e é validado pela implementação de uma instância sua composta por uma rede Multi-layer Perceptron e o método K-Nearest Neighbors; a rede Multi-layer Perceptron, após ser alvo de um processo de otimização de hiperparâmetros, tem sua classificação realizada em conjunto com o método K-Nearest Neighbors segundo critérios autônomos de composição da classificação
 de ambos os modelos. Por meio de experimentos, concluiu-se que a solução proposta apresenta melhorias em termos de métricas de desempenho em relação a modelos de combinação de classificadores voltados a detecção de intrusão em redes de computadores, com resultados comparáveis a de outras soluções propostas no estado da arte.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Elétrica e Computação},
 	note = {Centro de Engenharias e Ciências Exatas}
}