Empirical Evaluation of Machine Learning for Cloud Cryptojacking Detection: Effects of Preprocessing and Evaluation Protocols

arXiv cs.CR · 16 oct, 06:00

Un estudio empírico evalúa seis modelos clásicos de aprendizaje automático (Random Forest, XGBoost, LightGBM, Gradient Boosting, Decision Tree y KNN) para la detección de cryptojacking en la nube. Los resultados muestran que las decisiones de preprocesamiento y los protocolos de evaluación tienen un impacto significativo en el rendimiento reportado, con variaciones de precisión desde el 96% hasta más del 99,5% según la metodología empleada.