Sistemas de detecção de intrusão baseados em modelos únicos de aprendizado de máquina apresentam limitações na identificação de ataques complexos em redes de computadores. Modelos tabulares como XGBoost alcançam alta acurácia em features estatísticas, mas não capturam padrões temporais presentes no tráfego, enquanto modelos de visão computacional aplicados a espectrogramas capturam esses padrões, mas são computacionalmente custosos para operar sobre todo o tráfego.

Neste trabalho, propomos um sistema multiagente composto por três componentes autônomos: um Agente Tabular baseado em XGBoost com explicabilidade via SHAP, um Agente Orquestrador com autocalibração de pesos por classe, e um Agente de Visão baseado em CNN sobre Mel-spectrogramas multifeature. O orquestrador decide adaptativamente quando acionar a CNN, aprendendo ao longo do tempo quais classes se beneficiam da análise visual sem intervenção humana.

Avaliado no dataset UNSW-NB15 com seis classes de tráfego, o sistema alcança F1-macro de 0,654, uma melhoria de 9,4% sobre o XGBoost isolado. A CNN contribui especificamente nas classes DoS/Reconnaissance (+13 pontos de F1) e ataques minoritários (+9 pontos), sem degradar as classes que o modelo tabular já domina. Um Reasoning Log documenta cada decisão com justificativa, confiança e features relevantes, garantindo auditabilidade.