A crescente digitalização das informações médicas destacou a necessidade urgente de segurança cibernética para proteger os dados sensíveis dos pacientes em hospitais brasileiros. A aprendizagem de máquina, também conhecida como Machine Learning (ML), refere-se a sistemas capazes de aprender e adaptar seu comportamento em resposta a estímulos externos, através de aprendizado autônomo durante a execução de atividades (ALPAYDIN, 2016). No entanto, essa digitalização também expõe dados críticos dos pacientes a ameaças cibernéticas, tornando crucial a adoção de medidas de segurança eficazes. De acordo com LAUFER (2003), a detecção de intrusão é uma tentativa de monitorar estações ou fluxos de rede com o objetivo de descobrir ações de intrusos. O Brasil é particularmente vulnerável a ataques em dispositivos móveis, como celulares e tablets, sendo o país mais visado na América Latina, com 1,2 milhão de ataques e classificado em 5º lugar globalmente (Kaspersky, 2023).

1. Implementação de sistemas de detecção de intrusão baseados em inteligência
artificial para proteger dados de pacientes em hospitais no Brasil.
Mastroianni Oliveira
Mestrando em Pós-Graduação em Ciência da Computação
Thomas Oliveira
Mestre Profissional em Computação Aplicada
Universidade Federal do Ceará - UFC
Núcleo de Tecnologias e EaD em Saúde - NUTEDS
Liga de Saúde Digital – DigiLiga
IV-Jornada Acadêmica de Educação em Saúde Digital (JAESD).2023

2. Sistemas de Saúde
Segurança da Informação
Inteligência Artificial
Dispositivos conectados
Sistemas infectados e dados em Trânsito

3. Problemática
● Detectar em tempo real a intrusao no sistema de saude;
● Vazamento de dados;
● Salvar vidas;

4. Conceitos
● Detecção – encontrar algum evento anormal
● Sistemas – dados alocados e tratamento de dados
● Intrusão – acesso indevido
● Algoritmo – sequência finita de ações, que visa uma
solução
● Aprendizado – estudos padrões
● Inteligência Artificial – Possibilidade e pensar como seres
humanos
● LGPD – Lei de Proteção de Dados, 13.709/2018

5. A aprendizagem de máquina, também
conhecida como Machine Learning (ML), refere-
se a sistemas capazes de aprender e adaptar
seu comportamento em resposta a estímulos
externos, através de aprendizado autônomo
durante a execução de atividades (ALPAYDIN,
2016).
Introdução

6. A inteligência artificial (IA), incluindo técnicas
de aprendizado de máquina e processamento
de linguagem natural, tem sido cada vez mais
utilizada na detecção de intrusão. Ela oferece a
capacidade de analisar grandes volumes de
dados de forma eficiente e identificar ameaças
de maneira proativa (Al-Dhief et al., 2020).

7. Detecção de intrusão é uma tentativa de monitorar estações
ou fluxos de rede com o objetivo de descobrir ações de
intrusos.
LAUFER (2003).

8. Ela oferece a capacidade de analisar grandes volumes de dados de forma
eficiente e identificar ameaças de maneira proativa
(Al-Dhief et al., 2020).
As máquinas de vetores de suporte, algoritmos de aprendizado de
máquina, podem ser eficazes na detecção de intrusão, mapeando os
dados em um espaço multidimensional e identificando fronteiras de
decisão para separar classes de tráfego normal e intrusivo (Das, et al.,
2016).
Trabalhos Comparativos
O retreinamento do modelo, considerando métricas como acurácia, recall,
precisão e F1-score, pode levar dias ou até semanas para disponibilizar um
modelo atualizado (Peng et al., 2016).

9. Metodologia
A pesquisa quantitativa aplicada ao algoritmo Random
Forest.
Objetivo é :
Registros com alertas específicos

10. - Servidor KDD Cup 1999 Dataset;
- Maquinas virtuais;
- Banda larga acima de 100mega;
- Linguagem python;
- Biblioteca Learn.
Fases dos Testes:
Aplicado em classificação e detecção de padrões, envolve seis fases:
preparação de dados em ambiente virtual, divisão do conjunto de dados,
treinamento, avaliação e 4ª ajuste do modelo, e detecção em tempo real .;
Materiais

11. Resultados Preliminares
Atributos extraídos do Dataset KDD Cup 1999
O resultado será um modelo capaz de classificar novos eventos, desde que
apresentem um comportamento semelhante ao observado na base de
treinamento (Viegas et al., 2017b).

12. Considerações
O uso da inteligência artificial é a evolução para os sistemas
computacionais. Porém, não substituem o homem e sim colabora com a
ciência de forma ética e na produção de novas visões tecnicas/cientificas.

13. Referências
ALPAYDIN, E. Introduction to Machine Learning. 3. ed. Massachusetts (EUA): MIT Press,
2016.
Al-Dhief, F. T., Elhaj, F. A., & Al-Jumeily, D. (2020). Intrusion Detection System Using
Machine Learning: A Comprehensive Review. IEEE Access, 8, 118409-118425.
LAUFER, Rafael P. Introdução a Sistemas de Detecção de Intrusão. Rio de Janeiro. 2003.
Disponivel em: http://www.gta.ufrj.br/grad/03_1/sdi/index.htm>. Acesso em: 01 de Out.
2023.
Peng, J., Choo, K.-K. R., and Ashman, H. (2016). User profiling in intrusion detection: A
review. volume 72, pages 14–27. Elsevier BV.
Viegas, E. K., Santin, A. O., and Oliveira, L. S. (2017b). Toward a reliable anomaly-based
intrusion detection in real-world environments. Computer Networks, 127:200–216.

14. Quanto mais conhecimento você tem, mais iluminado será o seu
caminho.
“Autor desconhecido”.

15. Obrigado.