Pular para o conteúdo principal

NeutroSENSE: Detecção de Intrusões em IoT com Lógica Neutrosófica e Abstenção Inteligente

Um novo trabalho de pesquisa intitulado "Deciding When Not to Decide: Indeterminacy-Aware Intrusion Detection with NeutroSENSE" propõe uma abordagem inovadora para a detecção de intrusões em ambientes de Internet das Coisas (IoT). O artigo, assinado por Eyhab Al-Masri, apresenta o NeutroSENSE, uma estrutura de ensemble aprimorada por lógica neutrosófica projetada para ser interpretável e eficaz na identificação de atividades maliciosas.

O cerne do NeutroSENSE reside na integração de algoritmos de aprendizado de máquina populares, como Random Forest, XGBoost e Regressão Logística, com a lógica neutrosófica. Essa combinação permite que o sistema não apenas faça previsões sobre a natureza do tráfego de rede (malicioso ou benigno), mas também decomponha a confiança dessa previsão em três componentes: verdade (T), falsidade (F) e indeterminância (I). Essa quantificação da incerteza é um diferencial, pois fornece uma métrica clara (o componente I) para entender o quão incerta é uma determinada previsão.

A capacidade de quantificar a indeterminância é utilizada pelo NeutroSENSE para implementar um mecanismo de abstenção inteligente. Previsões com alta indeterminância, determinadas por meio de limiares globais e adaptativos específicos de classe, são sinalizadas para revisão humana. Isso é particularmente valioso em ambientes de borda (edge deployments) de IoT, onde os recursos computacionais podem ser limitados e a tomada de decisão autônoma em situações de alta incerteza pode levar a erros.

A eficácia do NeutroSENSE foi avaliada no conjunto de dados IoT-CAD. Os resultados demonstram uma precisão de 97% na detecção de intrusões. Mais significativamente, o estudo revelou que as amostras mal classificadas pelo sistema exibiram um nível de indeterminância significativamente maior (I = 0,62) em comparação com as amostras classificadas corretamente (I = 0,24). Essa correlação entre a pontuação de indeterminância (I-score) e a probabilidade de erro valida o uso da indeterminância como um proxy para a incerteza, permitindo a abstenção informada e a revisão direcionada.

Em suma, este trabalho sugere que a lógica neutrosófica não só melhora a precisão dos sistemas de detecção de intrusão baseados em aprendizado de máquina, mas também aumenta sua explicabilidade e confiabilidade. Ao fornecer uma base prática para a tomada de decisões de IA mais confiáveis com intervenção humana (human-in-the-loop AI), o NeutroSENSE representa um avanço promissor para sistemas de segurança em ambientes de IoT baseados em borda e fog computing.

Postagens mais visitadas deste blog

Evolução Não Linear da Instabilidade de Sedimentação de Poeira Polidispersa Não Estratificada

Otimização de Preferências em Veículos Autônomos: A Abordagem Lexicográfica IBR

O Impacto Transformador do Observatório Pierre Auger em Malargüe

Fonocardiografia Fetal: Avaliação Padronizada para Detecção de Batimentos Cardíacos

DESA: Desvendando Propriedades Estelares com IA Multimodal

Desvendando o Cosmos: O Papel da Fotônica em Instrumentos Astronômicos de Próxima Geração

Emulação da Evolução de Halos de Matéria Escura com Modelos Generativos Gráficos

SSDs: Otimização Essencial para o Futuro do Armazenamento de Dados

PyMGal: Gerando Observações Ópticas Sintéticas de Simulações Astrofísicas