Questão nº 5
Questão de Ciência de Dados · FGV CVM 2024 (nº 5)
Um cientista trabalha em um projeto de cibersegurança no qual deve identificar atividades de rede incomuns, que podem indicar possíveis ameaças de segurança. Após coletar dados sobre o tráfego de rede, o cientista percebe que alguns pontos de dados exibem padrões significativamente diferentes da maioria.
O método que deve ser aplicado para detectar as anomalias, identificando outliers isolados nos dados e possíveis ameaças de segurança, é o:
- AIsolation Forest; (alternativa correta)
- BBox Plot (IQR);
- CLocal Outlier Factor (LOF);
- Ddo desvio padrão;
- EDBSCAN (Density-Based Spatial Clustering of Applications with Noise).
Resposta comentada
Gabarito Alternativa A
A detecção de anomalias busca identificar pontos de dados que se desviam significativamente do padrão normal, indicando eventos raros ou potenciais problemas, como ameaças de segurança.
- (A) Correta: O Isolation Forest é um algoritmo eficiente que isola anomalias ao construir árvores de decisão aleatórias; pontos anômalos são isolados mais rapidamente (com menos divisões) do que pontos normais, sendo ideal para detectar outliers isolados em dados de alta dimensão, como tráfego de rede.
- (B) Incorreta: O Box Plot (IQR) é uma ferramenta estatística descritiva, principalmente univariada, que detecta outliers com base no intervalo interquartil; é menos adequado para dados multivariados complexos como tráfego de rede.
- (C) Incorreta: O Local Outlier Factor (LOF) mede a densidade local de um ponto em relação aos seus vizinhos, identificando outliers locais; embora seja um bom detector de anomalias, o Isolation Forest é frequentemente mais eficiente para isolar outliers globais e "isolados" no contexto de grandes datasets.
- (D) Incorreta: O método do desvio padrão é uma técnica estatística univariada que assume distribuição normal dos dados para identificar outliers, o que raramente se aplica a dados de tráfego de rede complexos e multivariados.
- (E) Incorreta: O DBSCAN é um algoritmo de clusterização que agrupa pontos densos e marca pontos em regiões de baixa densidade como "ruído" (outliers); embora possa identificar anomalias, sua principal finalidade é a formação de clusters, e algoritmos dedicados à detecção de anomalias são geralmente mais eficazes para a tarefa específica.
Fonte: FGV CVM 2024 Analista CVM - Ciência de Dados (Perfil 7) (Caderno Tipo 1). Reproduzida para fins de estudo.