ANÁLISE DE TÉCNICAS DE APRENDIZADO DE MÁQUINA PARA DETECÇÃO DE ATAQUES WEB EM AMBIENTE DE WEB APPLICATION FIREWALL (WAF)

Resumo

O aumento contínuo das ameaças cibernéticas tem intensificado a complexidade dos processos de detecção de ataques direcionados a aplicações web, tornando imprescindível a utilização de mecanismos de defesa mais robustos e eficazes. Ferramentas tradicionais de segurança, embora amplamente empregadas, apresentam limitações significativas, sobretudo relacionadas à elevada incidência de falsos positivos, o que compromete a identificação precisa de agentes maliciosos e, consequentemente, a eficácia das ações de resposta a incidentes. Nesse contexto, a aplicação de técnicas de aprendizado de máquina revela-se uma alternativa promissora, uma vez que possibilita a adaptação a diferentes cenários e aprimora a capacidade de reconhecimento de padrões complexos associados a atividades hostis. Neste trabalho, propõe-se a integração de algoritmos de aprendizado de máquina a umWebApplication Firewall (WAF), sistema voltado à proteção de aplicações web, com o propósito de ampliar a acurácia na detecção de ataques. Para tal, foram coletados artefatos pertinentes de requisições web, notadamente URLs e dados enviados por usuários, que podem conter indicadores relevantes de comportamento malicioso. O processo de análise envolveu a aplicação de técnicas de pré-processamento de texto, especificamente Bag of Words e Term Frequency-Inverse Document Frequency (TF-IDF), destinadas a identificar termos potencialmente relacionados a ataques e a atribuir pesos proporcionais à sua relevância estatística. A partir dos dados processados, foram treinados e avaliados três algoritmos de classificação: K-Nearest Neighbour (KNN), Random Forest (RF) e Support Vector Machine (SVM). Os resultados obtidos evidenciam o destaque da combinação do Random Forest com a técnica TF-IDF, a qual apresentou acurácia de 95,24%, demonstrando, assim, o potencial dessa abordagem para o fortalecimento dos mecanismos de defesa em aplicações web.