Metodologia Para Detecção de Tráfego de Rede Malicioso Utilizando Vetorização E Aprendizagem de Máquina

Este artigo propõe uma nova metodologia para a detecção de tráfego de rede malicioso utilizando técnicas de vetorização e o banco de dados vetorial Qdrant. A abordagem combina processamento paralelo com Dask, modelos de aprendizagem de máquina (XGBoost, KNN e Random Forest) e busca vetorial para identificar anomalias em tempo real. Os experimentos demonstraram uma taxa de detecção de 99,9% para tráfego malicioso, com apenas 1% de falsos positivos em ambientes simulados e 5% em tráfego real. A metodologia apresenta vantagens significativas em precisão e eficiência computacional em comparação com abordagens tradicionais, oferecendo uma solução escalável para a crescente complexidade das ameaças cibernéticas.