Para Além das Médias Móveis: Uma Abordagem com Integral de Choquet para Detecção de Anomalias

• Denner Ayres FURG
• Romulo de Moraes FURG
• Giancarlo Lucca FURG
• André Riker UFPA
• Roger Immich UFRN
• Bruno L. Dalmazo FURG

DOI: https://doi.org/10.5753/errc.2026.36265

Resumo

Este trabalho apresenta uma metodologia para detecção de anomalias em redes, combinando a Média Móvel de Poisson (PMA) e a Integral de Choquet com Medidas de Potência. A proposta busca aprimorar a precisão em cenários com baixa dependência histórica, ajustando o parâmetro q conforme a dinâmica dos dados. Utilizando o conjunto de dados CIC-IDS2017, os resultados mostraram uma redução de 5,31% no MAE, aumento de 6,78% na precisão e melhora de 0,17% na acurácia em relação ao PMA, evidenciando a eficácia do modelo híbrido para predição de ataques.

Palavras-chave: Detecção de Anomalias, Integral de Choquet, Medidas de Potência

Referências

Amorim, M., Dimuro, G., Borges, E., Dalmazo, B. L., Marco-Detchart, C., Lucca, G., and Bustince, H. (2023). Systematic review of aggregation functions applied to image edge detection. Axioms, 12(4).

Ayres, D., Quevedo, A., Dimuro, G., Lucca, G., and Dalmazo, B. L. (2026). Reducing mean absolute error in attack predictions with power-parametrized choquet integrals. Internet Technology Letters, 9(5):e70368.

Ayres, D., Quevedo, A., Lucca, G., Dimuro, G., and Dalmazo, B. (2024). Comparando médias móveis com integral de choquet para detectar anomalias no tráfego de redes. In Anais Estendidos do XXIV Simpósio Brasileiro de Segurança da Informação e de Sistemas Computacionais, pages 353–357, Porto Alegre, RS, Brasil. SBC.

Barrenechea, E., Bustince, H., Fernandez, J., Paternain, D., and Sanz, J. A. (2013). Using the Choquet integral in the fuzzy reasoning method of fuzzy rule-based classification systems. Axioms, 2(2):208–223.

Dalmazo, B. L., Ayres, D. G., Lucca, G., Bedregal, B., Bustince, H., and Dimuro, G. P. (2026). Predicting network traffic: Leveraging temporal capacities in fuzzy integrals to capture temporal interrelationships among data. IEEE Transactions on Fuzzy Systems, pages 1–11.

Dalmazo, B. L., Vilela, J. P., and Curado, M. (2017). Performance analysis of network traffic predictors in the cloud. Journal of Network and Systems Management, 25:290–320.

Dalmazo, B. L., Vilela, J. P., and Curado, M. (2018). Triple-similarity mechanism for alarm management in the cloud. Computers & Security, 78:33–42.

Grabisch, M. and Labreuche, C. (2010). A decade of application of the choquet and sugeno integrals in multi-criteria decision aid. Annals of Operations Research, 175(1):247–286.

Lucca, G., Sanz, J. A., Dimuro, G. P., Borges, E. N., Santos, H., and Bustince, H. (2019). Analyzing the performance of different fuzzy measures with generalizations of the choquet integral in classification problems. In 2019 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), pages 1–6.

Murofushi, T., Sugeno, M., and Machida, M. (1994). Non-monotonic fuzzy measures and the Choquet integral. Fuzzy Sets and Systems, 64(1):73 – 86.

Santo, Y., Immich, R., Dalmazo, B. L., and Riker, A. (2023). Fault detection on the edge and adaptive communication for state of alert in industrial internet of things. Sensors, 23(7).

Yuan, Z., Chen, B., Liu, J., Chen, H., Peng, D., and Li, P. (2023). Anomaly detection based on weighted fuzzy-rough density. Applied Soft Computing, 134:109995.

Zeufack, V., Kim, D., Seo, D., and Lee, A. (2021). An unsupervised anomaly detection framework for detecting anomalies in real time through network system’s log files analysis. High-Confidence Computing, 1(2):100030.