Detecção de Botnets em Tráfego IoT na Borda: Uma Avaliação de Modelos Leves sob Protocolo Leave-One-Scenario-Out

Este trabalho avalia o compromisso entre desempenho e custo computacional na detecção binária de botnets em tráfego IoT, visando dispositivos de borda. Oito modelos de aprendizado de máquina são comparados sobre o dataset IoT-23 sob dois protocolos: divisão i.i.d. e Leave-One-Scenario-Out (LOSO) com seis famílias de malware. Sob LOSO, uma Árvore de Decisão de profundidade 10 atinge F1-macro de 0,851 ocupando 7,7 KB, desempenho estatisticamente equivalente ao Random Forest de 669 KB (87× maior). Mostra-se ainda que a divisão i.i.d. superestima o desempenho real em cerca de 14 pontos percentuais, motivando o LOSO como protocolo padrão na área.