Anomaly Detection Monitoring: A Proactive Approach with Deep Learning Integration
DOI:
https://doi.org/10.5335/rbca.v18i2.17117Keywords:
Security, Monitoring, Machine Learning, Deep Learning, Anomaly DetectionAbstract
This study develops an enhanced anomaly detection framework that integrates state-of-the-art deep learning techniques. The system detects hate speech, malicious websites, vulnerabilities in open ports, and suspicious processes. It optimizes detection accuracy and reliability by leveraging tailored datasets, advanced model architectures, and refined preprocessing strategies. To ensure robustness, it employs comprehensive validation metrics, including the Polygon Area Metric (PAM). Empirical results show significant improvements in generalization and prediction accuracy over previous methodologies. The hate speech detection model achieved an accuracy of 88%, with precision of 75%, recall of 62%, F1 score of 62%, and ROC AUC of 92%. These results deliver a proactive monitoring solution suited for modern enterprise security challenges.
Downloads
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Darlan Noetzold, Valderi Reis Quietinho Leithardt, Jorge Luis Victória Barbosa, Anubis Graciela de Moraes Rossetto
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
