WEAPON: Uma Arquitetura para Detecção de Anomalias de Comportamento do Usuário

A detecção de anomalias de comportamento de usuário vem sendo aplicada com sucesso no campo da segurança cibernética. Grande parte da literatura correlata aborda essa questão sem considerar a individualização dos usuários ao analisar logs dos dispositivos de proteção de redes e sistemas. Este trabalho apresenta o WEAPON, uma arquitetura para a detecção de anomalias de comportamento, considerando a individualidade de cada usuário, com base em Wide and Deep Convolutional LSTM Autoencoders. Quando comparado com outras abordagens, o WEAPON mostrou ser mais eficiente, superando em até 7% o segundo melhor modelo no processo de detecção de anomalias.