IWSHAP: Uma Ferramenta para Seleção Incremental de Características utilizando IWSS e SHAP

• Felipe H. Scherer UNIPAMPA
• Felipe N. Dresch UNIPAMPA
• Silvio E. Quincozes UNIPAMPA / UFU
• Diego Kreutz UNIPAMPA
• Vagner E. Quincozes UFF

DOI: https://doi.org/10.5753/sbseg_estendido.2024.243376

Resumo

Este trabalho apresenta a ferramenta IWSHAP, que combina o algoritmo Iterative Wrapper Subset Selection (IWSS) com valores SHAP (SHapley Additive exPlanations) para encontrar o melhor conjunto de características e maximizar o desempenho de algoritmos de aprendizado de máquina. Os resultados em um cenário de detecção de intrusões em redes veiculares indicam que a ferramenta é eficaz na redução de datasets por meio da seleção de características, alcançando taxas elevadas de redução (e.g., 90%) e mantendo altas métricas de desempenho do modelo (acima de 90%).

Referências

Bermejo, P., Gámez, J. A., and Puerta, J. M. (2009). Incremental wrapper-based subset selection with replacement: An advantageous alternative to sequential forward selection. In 2009 IEEE Symposium on Computational Intelligence and Data Mining, pages 367–374. IEEE.

Chandrashekar, G. and Sahin, F. (2014). A survey on feature selection methods. Computers & electrical engineering, 40(1):16–28.

E. L. Asry, C., Benchaji, I., Douzi, S., and E. L. Ouahidi, B. (2024). A robust intrusion detection system based on a shallow learning model and feature extraction techniques. PLOS ONE, 19(1):1–31.

Jeong, S., Lee, S., Lee, H., and Kim, H. K. (2024). X-CANIDS: Signal-aware explainable intrusion detection system for controller area network-based in-vehicle network. IEEE Transactions on Vehicular Technology, 73(3):3230–3246.

Nazat, S., Li, L., and Abdallah, M. (2024). XAI-ADS: An explainable artificial intelligence framework for enhancing anomaly detection in autonomous driving systems. IEEE Access, 12:48583–48607.

Quincozes, V. E., Quincozes, S. E., Kazienko, J. F., Gama, S., Cheikhrouhou, O., and Koubaa, A. (2024). A survey on IoT application layer protocols, security challenges, and the role of explainable AI in IoT (XAIoT). International Journal of Information Security, 23(3):1975–2002.

Scherer, F. H., Dresch, F. N., Quincozes, S. E., Kreutz, D., and Quincozes, V. E. (2024). IWSHAP: Um método de seleção incremental de características para redes CAN baseado em Inteligência Artificial Explicável (XAI). In Anais do XXIV Simpósio Brasileiro de Segurança da Informaçao e de Sistemas Computacionais. SBC.

Setitra, M. A., Fan, M., and Bensalem, Z. E. A. (2023). An efficient approach to detect distributed denial of service attacks for software defined internet of things combining autoencoder and extreme gradient boosting with feature selection and hyperparameter tuning optimization. Transactions on Emerging Telecommunications Technologies, 34(9):e4827.