Levantamento Bibliográfico e Revisão da Literatura sobre Modelos de Detecção de Anomalias em Redes IoT com o Uso de Machine Learning

Resumo

A detecção de anomalias em redes de Internet das Coisas (IoT) em ambientes industriais é necessária para prevenir falhas entre equipamentos, reduzir o tempo de inatividade e otimizar a segurança operacional. O aumento no volume e complexidade dos dados dificulta a detecção manual por seres humanos, destacando a importância de técnicas de machine Learning (ML). Essas técnicas permitem a automação da detecção, analisando de forma eficiente os dados gerados por sensores e sistemas IoT. Este estudo revisa abordagens de detecção de anomalias utilizando ML em ecossistemas industriais de IoT, avaliando pesquisas publicadas entre 2014 e 2024. Ele apresenta algoritmos como Redes Neurais Convolucionais (CNNs), Redes Gerativas Adversariais Condicionais (cGANs), Random Forest e SVM.