FEMa-FS: Finite Element Machines for Feature Selection

Autor(es)

Biaggi, Lucas ; Papa, Joao P. ; Costa, Kelton A. P. ; Pereira, Danillo R. ; Passos, Leandro A. ; IEEE

• Tipo de documento: Artigo Científico
• Fonte: 2022 26TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION (ICPR); v. N/A, p. 8-pg., 2022-01-01.

Resumo

Identifying anomalies has become one of the primary strategies towards security and protection procedures in computer networks. In this context, machine learning-based methods emerge as an elegant solution to identify such scenarios and learn irrelevant information so that a reduction in the identification time and possible gain in accuracy can be obtained. This paper proposes a novel feature selection approach called Finite Element Machines for Feature Selection (FEMa-FS), which uses the framework of finite elements to identify the most relevant information from a given dataset. Although FEMa-FS can be applied to any application domain, it has been evaluated in the context of anomaly detection in computer networks. The outcomes over two datasets showed promising results. (AU)

• Processo FAPESP: 21/05516-1 - Sobre a aplicação das técnicas da Explainable Artificial Intelligence (XAI) para geração de imagens a partir de pacotes de dados para detecção de anomalias em redes de computadores
• Beneficiário: Kelton Augusto Pontara da Costa
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 17/22905-6 - Sobre a segurança de imagens utilizando aprendizado de máquina
• Beneficiário: Kelton Augusto Pontara da Costa
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: Francisco Louzada Neto
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 16/19403-6 - Modelos de aprendizado baseados em energia e suas aplicações
• Beneficiário: João Paulo Papa
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
• Beneficiário: Alexandre Xavier Falcão
• Modalidade de apoio: Auxílio à Pesquisa - Temático