02 - Mestrado - Ciência da Computação

URI Permanente para esta coleção

http://repositorio.uel.br/handle/123456789/50

Navegar

Agora exibindo 1 - 20 de 138

Detecção e Mitigação de Intrusões em Redes Definidas Por Software Utilizando Análise de Fluxos IP e Rede Adversária Generativa
(2025-04-15) Ruffo, Vitor Gabriel da Silva; Proença Junior, Mário Lemes; Attrot, Wesley; Assis, Marcos Vinicius Oliveira de; Carvalho, Luiz Fernando
As redes de computadores facilitam tarefas do dia a dia, fornecendo serviços como streaming de dados, compras online e comunicação digital. Essas aplicações têm requerido cada vez mais capacidade e dinamicidade da rede para alcançar seus objetivos. As redes podem ser alvos de ataques e intrusões, comprometendo as aplicações e levando a potenciais perdas. Nesta dissertação, apresenta-se um sistema semi-supervisionado de detecção de anomalias de volume de tráfego para redes baseadas em fluxo IP. O sistema tem como principal componente uma Rede Adversária Generativa cuja arquitetura interna baseia-se na rede 1D-Convolutional Neural Network (1D-CNN). O módulo de mitigação é acionado sempre que uma anomalia é detectada, bloqueando automaticamente os endereços IP suspeitos e promovendo o correto funcionamento da rede. Para fins de comparação, foram implementadas duas redes generativas que incorporam Long Short-Term Memory (LSTM) e Temporal Convolutional Network (TCN) na sua estrutura básica. Os experimentos são conduzidos em três bases de dados públicas: Orion, CIC-DDoS2019 e CIC-IDS2017. Os resultados sugerem que os três modelos de aprendizado profundo têm impactos distintos na rede generativa e, consequentemente, no desempenho geral do sistema de detecção. O sistema proposto implementado com 1D-CNN mostrou-se superior aos outros modelos. Ele resolve o problema de mode collapse, é o mais eficiente em termos de custo computacional e alcança a segunda melhor pontuação para a tarefa de detecção de anomalias. O módulo de mitigação consegue descartar em média 96% dos fluxos IP anômalos, encaminhando a maioria do tráfego legítimo. As redes 1D-CNN, LSTM e TCN também foram desenvolvidas separadamente da Rede Adversária Generativa para a condução de comparações de desempenho adicionais. O sistema proposto com base na rede generativa apresenta resultados superiores para as métricas de detecção de anomalias em comparação com esses modelos, obtendo um valor mínimo de MCC de 0,80.
Uma abordagem baseada em inteligência artificial para identificação e classificação automatizada de problemas na aprendizagem de programação orientada a objetos por meio da análise de código-fonte
(2025-03-26) Strik, Bruno Henrique; Menolli, André Luís Andrade; Zarpelão, Bruno Bogaz; Coelho Neto, João
O acesso público a ferramentas de inteligência artificial generativa tem revolucionado a práxis de diversas atividades humanas, incluindo o campo educacional. Docentes e estudantes manifestaram percepções variadas, embora haja um consenso quanto ao potencial dessas ferramentas em apoiar tanto os processos produtivos da computação quanto os de ensino e aprendizagem. Apesar de sua inovação, a tecnologia ainda carece de abordagens eficazes para aplicação no contexto educacional, a fim de transcender seu uso como mera geradora de soluções imediatas e garantir suporte adequado ao desenvolvimento intelectual e técnico dos estudantes. O objetivo desta dissertação é propor uma abordagem baseada em inteligência artificial para detectar indícios de problemas na aprendizagem de programação orientada a objetos observáveis diretamente no código-fonte produzido por estudantes e gerar feedbacks educacionais para os problemas identificados. Para tanto, foram desenvolvidas heurísticas específicas para a caracterização, identificação, classificação e tratamento desses problemas, além de uma ferramenta capaz de aplicá-las. Com base em um protótipo desenvolvido e testado por professores de Computação de diversas Instituições de Ensino Superior, averiguou-se que a abordagem é viável e apresenta potencial para fornecer retornos personalizados, contribuindo de forma eficaz para o processo de aprendizagem de programação orientada a objetos.
Desempenho de Algoritmos e uma Estratégia de Ensemble para Detecção de Mudanças de Conceito Heterogêneos.
(2025-02-04) Sakurai, Guilherme Yukio; Zarpelão, Bruno Bogaz; Attrot, Wesley; Mastelini, Saulo Martiello; Barbon Junior, Sylvio
A mineração de dados tem se tornado cada vez mais popular devido à sua capacidade de oferecer algoritmos e metodologias que atendem demandas da Internet das Coisas (IoT) e dos sistemas modernos de aprendizado de máquina. Dentro desse contexto, a detecção de mudanças de conceito é primordial, especialmente para identificar alterações na distribuição dos dados durante a operação de soluções de aprendizado de máquina. Um dos maiores desafios enfrentados por algoritmos de detecção de mudanças de conceito é a capacidade de lidar com diferentes tipos de mudanças, como mudanças abruptas, graduais e incrementais. Este trabalho atua em duas frentes para melhorar a detecção dessas mudanças heterogêneas. Primeiramente, realizamos um estudo que estabelece um benchmark para quatro algoritmos de detecção de mudanças de conceito (EDDM, DDM, HDDMW e HDDMA), avaliando seu desempenho em termos de detecção, tempo de resposta e atraso na detecção, utilizando conjuntos de dados sintéticos. Os resultados indicam que o HDDMW oferece o melhor equilíbrio entre os indicadores de desempenho, especialmente na detecção de mudanças de conceito abruptas, embora apresente limitações em termos de tempo de resposta e detecção de mudanças incrementais. Na segunda frente de atuação, propomos o método Self-tuning Drift Ensemble (StDE), um novo algoritmo de ensemble para detecção de mudanças de conceito que utiliza mecanismos dinâmicos para adaptar-se às mudanças nas características dos fluxos de dados em tempo real. Diferente de outros detectores de mudanças de conceito baseados em ensemble, o StDE ajusta dinamicamente o número de detectores base, mantendo uma solução leve e eficiente. Experimentos realizados em diversos cenários de mudança de conceito demonstram que o método proposto supera os algoritmos estabelecidos, apresentando alta taxa de precisão na detecção de mudanças.
Saife: Towards a Lightweight Threat Modeling Approach to Support Machine Learning Application Development.
(2024-12-13) Messas, Gabriel Esteves; Zarpelão, Bruno Bogaz; Menolli, André Luís Andrade; Meneguette, Rodolfo Ipolito
With the growing popularization of the Artificial Intelligence (AI) field, the development of systems that rely on, at least, one of its subareas has also experienced a great increase. The recent adoption of AI techniques in common systems - such as mobile apps and household appliances - requires a higher level of attention, in order to ensure their safety and proper operation. In this scenario, assuring the adequate functioning of these solutions culminates, in most cases, in ensuring the security of the application and its data throughout the software development life cycle. Software developers, however, often find security-related tasks challenging to learn and execute, and frequently put them aside. Additionally, currently available threat modeling frameworks are difficult to integrate into software development life cycles, which prioritize agility and automation over extensive analysis and documentation. This work, therefore, proposes sAIfe, a new threat modeling method for security analysis of Machine Learning (ML) applications under development. sAIfe provides prescriptive steps, with graphical elements and results that include lists with threats and ready-made remediation suggestions for the analyzed system. This approach aims at simplifying the risk assessment process for the programmer, unveiling possible weaknesses and suggesting respective solutions in a practical way. Still in this work, sAIfe is tested on a real-world ML application, revealing positive results, with many potential issues and mitigation options detected by the method, which are registered in the form of a case study. Additionally, this study is compared to another one, carried out with an alternative method from the literature, highlighting sAIfe’s advantages. Finally, two validations are carried out: one with researchers in academia and another with developers in industry, returning great feedback on sAIfe’s ease of use and speed of application
A methodology for malware incident prediction in higher education institutions
(2024-12-09) Souza, Rildo Antonio de; Zarpelão, Bruno Bogaz; Barros, Rodolfo Miranda de; Quincozes, Silvio Ereno
With the growing threat of malware affecting global organizations, both public and private, it becomes necessary to develop innovative methods to improve the prevention and response to such security incidents. Infections caused by trojans, rapidly propagating worms, and ransomware that encrypts critical data demand robust responses due to the risks they pose to the integrity and availability of information. This work presents a methodology that leverages historical malware incident data to assist CSIRTs (Computer Security Incident Response Teams) and security teams in analyzing behavioral trends. The core of the method is a neural network model employing LSTM (Long Short-Term Memory) for time series analysis, aiming to predict future malware incidents. The model was tested in two distinct scenarios in Public Higher Education Institutions (HEIs) associated with the National Research and Education Network (RNP). In the first scenario, weekly data from 10 institutions were used to train the LSTM, comparing its effectiveness with the statistical ARIMA (Autoregressive Integrated Moving Average) technique. In the second scenario, the analysis was expanded to include all HEIs that are RNP clients, segmented by the Points of Presence (PoPs) in each Brazilian state, demonstrating the method’s applicability and versatility in an extended context. For the development and evaluation of the methodology, real incident data were employed, enabling a detailed analysis of the performance of the LSTM and ARIMA models. The results obtained confirm the effectiveness of the proposed method in predicting malware incidents, emphasizing the creation and implementation of an LSTM model as the core activity. Moreover, the method incorporates a data visualization tool that simplifies the analysis and interpretation of information, facilitating the work of security analysts by translating predictions into clear and actionable insights. This combination of predictive accuracy and analytical accessibility significantly strengthens prevention and response strategies for incidents. As part of the commitment to the community, the developed method, along with the associated tools, will be made publicly available, aiming to support the development of new security solutions, improve proactive threat detection, and contribute to a more robust digital security ecosystem.
Explainable Time Series Tree: an explainable top-down time series segmentation framework
(2024-04-19) Silva, Vitor de Castro; Zarpelão, Bruno Bogaz; Kaster, Daniel dos Santos; Miani, Rodrigo Sanches; Barbon Junior, Sylvio
Existem diversos algoritmos de Aprendizado de Máquina para modelar séries temporais para problemas de classificação, previsão e clusterização. Entretanto, séries temporais podem apresentar características que complicam essas tarefas, como padrões recorrentes e variações sazonais. A segmentação de séries temporais pode ser uma solução para esses problemas, mas as abordagens existentes precisam ser melhoradas. Várias delas utilizam regressão linear para solucionar problemas como detecção de mudanças no comportamento da série, ignorando ferramentas desenvolvidas especificamente para resolver esse tipo de problema, como detectores de mudança. Além disso, o conceito de explicabilidade raramente é abordado na segmentação de séries temporais. Para identificar diferentes padrões de séries temporais usando técnicas apropriadas e ao mesmo tempo prover explicabilidade, nós criamos a eXplainable Time Series Tree, ou XTSTree. A XTSTree transforma uma série temporal em uma árvore binária, dividindo-a de forma hierárquica de acordo com um critério baseado em detectores de mudança e encontrando um ponto de corte que cria as duas sub-séries mais diferentes entre si. O processo de segmentação continua até que chegue em um critério de parada baseado em um teste de estacionariedade que indica que a série tem um comportamento suficientemente homogêneo. A XTSTree abre caminho para uma explicação mais compreensível de padrões e também oferece suporte para o uso de outras abordagens explicáveis. Nosso estudo aplicou a XTSTree em diversas séries temporais reais para isolar os seus diferentes comportamentos. Para avaliar a eficácia da XTSTree, nós usamos uma implementação de Regressão Simbólica usando programação genética para encontrar a melhor representação da série e suas divisões usando fórmulas algébricas, e comparamos as diferenças em diversas métricas antes e depois da XTSTree. Mostramos uma melhora em complexidade da fórmula, melhorando a acurácia do modelo quando comparado com a série temporal original
Modelo lógico para gestão de riscos na criação de valor público no governo eletrônico
(2024-09-30) Santana, José Eduardo; Barros, Rodolfo Miranda de; Azevedo, Anderson de; Barros, Vanessa Tavares de Oliveira
A adoção de sistemas de governo eletrônico visa aprimorar a eficiência e a transparência nas operações governamentais e transformar a maneira como os governos interagem com os cidadãos, tornando os processos mais acessíveis e eficazes. A geração de valor público é um parâmetro essencial para medir o sucesso dessas iniciativas. No entanto, há uma lacuna significativa com relação à gestão dos riscos associados a esses sistemas, bem como ao seu impacto na geração de valor público. Neste contexto e após identificar percepções chave sobre o valor público dos serviços digitais na análise de dados coletados com servidores públicos e cidadãos, esta dissertação propõe um modelo lógico para a gestão de riscos em projetos de governo eletrônico, utilizando o Modelo Lógico Tearless como referencial. O modelo proposto tem o potencial de facilitar uma avaliação estruturada dos esforços de implementação e resultados, promovendo o alinhamento estratégico das ações governamentais com os valores e objetivos públicos
Modelo de maturidade em gestão e uso de dados para Secretarias Municipais de Saúde
(2024-09-30) Faccin, Deniz; Barros, Rodolfo Miranda de; Barros, Vanessa Tavares de Oliveira; Fialho, Francisco Antonio Pereira
A administração pública tem como propósito fundamental atender às necessidades e demandas da coletividade, assegurando o bem-estar social. No contexto da saúde, sua missão é prover serviços que promovam a longevidade e a qualidade de vida da população. A gestão da saúde pública envolve decisões complexas sobre como alocar os recursos públicos de forma eficiente, equitativa e ética, visando à obtenção do melhor benefício para os cidadãos. Nesse cenário, o uso estratégico de dados surge como uma ferramenta com grande potencial para promover uma gestão da saúde pública mais eficaz. No entanto, muitas Secretarias Municipais de Saúde enfrentam dificuldades para implementar práticas eficientes de gestão e uso de dados, o que leva à subutilização desses ativos. Embora existam diversos frameworks e modelos relacionados ao uso de dados em organizações, faltam ferramentas adaptadas às necessidades específicas da saúde pública municipal. Assim, este estudo tem como objetivo desenvolver e avaliar um Modelo de Maturidade em Gestão e Uso de Dados que atenda às necessidades das Secretarias Municipais de Saúde no Brasil. O modelo visa auxiliar os gestores municipais a avaliarem o nível de maturidade de suas secretarias em relação à gestão e ao uso de dados, identificando áreas prioritárias para o desenvolvimento e promovendo ciclos de melhoria contínua. A pesquisa foi estruturada em duas fases: (1) desenvolvimento do modelo com base em revisão bibliográfica e análise de frameworks e modelos existentes; e (2) avaliação do modelo por meio de um questionário aplicado a gestores de Secretarias Municipais de Saúde, com o intuito de aprimorá-lo e verificar sua relevância, aplicabilidade e adequação ao contexto local. Os resultados indicam que o modelo proposto é abrangente, relevante e aplicável, permitindo a construção de planos de ação para promover uma cultura de uso de dados na saúde pública municipal. Este trabalho contribui para a prática de gestão em saúde ao fornecer uma ferramenta que auxilia os gestores a utilizarem dados de forma mais eficiente no planejamento, monitoramento e avaliação de ações e políticas públicas em saúde
Um processo baseado em seleção de atributos e aprendizagem de máquina para geração de modelos preditivos: um estudo sobre evasão no ensino superior brasileiro
(2024-04-04) Dionisio, Gustavo Marcelino; Menolli, André Luís Andrade; Brancher, Jacques Duílio; Boscarioli, Clodis
Um dos grandes desafios na aprendizagem de máquina em alguns domínios é a alta dimensionalidade de características. Assim, este estudo propõe um processo focado na seleção de atributos e redução de dimensões para aprimorar modelos preditivos, além de ter como uma das saídas os atributos mais relevantes para a predição em questão. O objeto de estudo para a aplicação deste processo é o fenômeno da evasão em Instituições de Ensino Superior brasileiras, com foco especial em cursos presenciais, utilizando dados providos pelo Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Com a adoção de técnicas e algoritmos de Aprendizagem de Máquina, o processo visa identificar os atributos mais impactantes na evasão, otimizando a análise preditiva por meio da eliminação de variáveis irrelevantes ao contexto. Este procedimento inclui etapas essenciais, como transformação e balanceamento de dados, seleção de contexto, seleção empírica e algorítmica de atributos, além de possuir etapas iterativas para refinar os modelos preditivos, culminando na geração de modelos de aprendizagem de máquina especializados em contextos específicos. O processo foi aplicado em cinco diferentes contextos do ensino superior brasileiro. Com os resultados destes experimentos, por meio do processo proposto, foi possível gerar modelos preditivos de dimensionalidade reduzida de maior acurácia que os modelos originais. Além disso, comparando com outras técnicas de seleção de atributos os modelos gerados por meio do processo obteve acurácia superior. Com relação ao estudo sobre evasão, foi possível identificar as principais características relacionadas à contextos específicos. Por fim, foi constatado que existe um conjunto de características comum a todos os cenários estudados, que são essenciais na predição da evasão no ensino superior presencial no Brasil
Um framework para gestão ágil de desempenho de profissionais de tecnologia da informação
(2024-02-28) Terra, Marcus Vinicius Alencar; Barros, Rodolfo Miranda de; Fialho, Francisco Antônio Pereira; Barros, Vanessa Tavares de Oliveira
Com a constante evolução do setor de Tecnologia da Informação (TI) e o crescente reconhecimento da importância da agilidade nos processos organizacionais, surge a necessidade de desenvolver métodos eficazes para avaliar e melhorar o desempenho dos profissionais que atuam nesta área. Neste sentido, esta dissertação apresenta um framework destinado à otimização do desempenho dos profissionais no setor de TI, integrando princípios da gestão ágil com práticas de desenvolvimento humano e organizacional, visando promover uma cultura de melhoria contínua, auto-organização e responsabilidade compartilhada entre os membros da equipe. O trabalho baseia-se, portanto, na crescente demanda por ambientes de trabalho mais flexíveis, adaptativos e orientados para o crescimento pessoal, em consonância com as rápidas mudanças tecnológicas e de mercado. Assim, o framework propõe uma mudança paradigmática na gestão de desempenho, enfatizando a importância da adaptabilidade, do aprendizado contínuo e do desenvolvimento de competências. Ao invés de se concentrar exclusivamente em avaliações de desempenho periódicas e muitas vezes subjetivas, a solução incentiva uma abordagem mais holística e integrada, que reconhece a complexidade do trabalho em TI e a necessidade de um desenvolvimento pessoal e profissional constantes. Através da metodologia Design Science Research de pesquisa, envolvendo cenários simulados e análises qualitativas, o estudo demonstra como a implementação deste framework pode levar a melhorias significativas na satisfação dos colaboradores, na qualidade do trabalho produzido e na eficiência operacional. Além disso, a solução proposta fornece um modelo de capacidade e maturidade e um conjunto com diretrizes práticas para gestores de TI interessados em adotar abordagens mais humanizadas e eficazes para a gestão de desempenho, alinhando os objetivos organizacionais com o bem-estar e o desenvolvimento individual dos profissionais
Aplicação do algoritmo de clusterização de fluxos contínuos de dados denstream na detecção de ataques em internet das coisas
(2024-01-25) Tazima, Gabriel Keith; Zarpelão, Bruno Bogaz; Barros, Rodolfo Miranda de; Carvalho, Luiz Fernando
A Internet das Coisas (Internet of Things - IoT) pode ser definida como a convergência da Internet e objetos que podem se comunicar e interagir entre si. Para os próximos anos, aplicações de IoT devem se expandir e crescer exponencialmente. Diversas áreas como logística, indústria, saúde pública, automação residencial e monitoramento ambiental se beneficiarão deste novo paradigma. A IoT tem o potencial de prover facilidades e melhorias na vida cotidiana. Com a aproximação entre essas aplicações e os usuários finais, atividades que antes estavam imunes a ataques cibernéticos, podem estar ameaçadas por ações maliciosas. Dispositivos domésticos de IoT podem se tornar alvos de ataques e potencialmente ameaçar a segurança e a privacidade de indivíduos. Diferente de redes de Internet das Coisas industriais, por exemplo, em cenários residenciais, os dispositivos utilizados são mais heterogêneos e, normalmente, tem menor custo e capacidade computacional. Além disso, eles contam com aplicações que muitas vezes são descentralizadas e desenvolvidas de forma diferente pelos diversos fabricantes envolvidos. Uma das possibilidades de medidas de defesa é o provisionamento de um Sistema de Detecção de Intrusão (Intrusion Detection System - IDS), que seria capaz de detectar atividades maliciosas e gerar registros das mesmas. Há outros trabalhos que fazem detecção de ataques utilizando aprendizado de máquina, mas a maioria das soluções utiliza técnicas de aprendizado supervisionado por lotes e precisam de amostras normais e maliciosas para serem treinados, o que pode ser problemático em cenários de redes reais. A utilização de algoritmos de clusterização de fluxos de dados contínuos pode oferecer uma solução para os dois problemas mencionados. Esses algoritmos não exigem amostras de tráfego benigno e malicioso para serem treinados e também são capazes de aprender incrementalmente. Por outro lado, o grande desafio na utilização deles é compreender melhor o que devemos monitorar no comportamento dos clusters para identificar a ocorrência de ataques. Este trabalho analisou diferentes indicadores extraídos do comportamento dos clusters gerados pelo DenStream, um algoritmo de clusterização de fluxos contínuos de dados baseado em densidade, para compreender como eles podem contribuir na detecção da ocorrência de ataques no tráfego de rede. O conjunto de dados públicos utilizado neste trabalho conta com pacotes de tráfego normal e malicioso de diversos dispositivos com diferentes protocolos de rede. Os ataques contidos no conjunto de dados são: Port Scanning, Negação de serviço e man-in-the-middle. Os resultados dos experimentos mostraram que o monitoramento da distância máxima entre os centros dos clusters pode sinalizar a ocorrência de diferentes tipos de ataques
Inclusão do modelo MDA baseado em emoções no processo de avaliação de aprendizagem aplicado ao desenvolvimento de jogos educacionais: um estudo de caso de linguagens formais e autômatos
(2023-08-31) Souza, Henrique Cristovão de; Felinto, Alan Salvany; Attrot, Wesley; Cirino, Marcelo Maia
Jogos educacionais são ferramentas de ensino que proporcionam uma alternativa mais lúdica e interativa de transmitir um conteúdo pedagógico. As emoções possuem um papel único nas motivações e no incentivo ao aprendizado e, portanto, e importante levá-las em consideração durante o processo de desenvolvimento de jogos educacionais, a fim de promover experiências significativas que possam ter um impacto positivo no processo de aprendizagem do usuário. Sendo assim, e possível aliar o modelo de desenvolvimento de jogos MDA as emoções, buscando promover experiências significativas com jogos educacionais. Jogos educacionais possuem o objetivo de auxiliar o processo de aprendizagem de algum conteúdo pedagógico especifico e portanto, e recomendado que sejam realizadas avaliações de aprendizado ao longo do uso da ferramenta. Oliveira afirma que o processo de avaliação costuma ser negligenciado, ou realizado posteriormente ao contato do aluno com a ferramenta. Sendo assim, esse trabalho tem como objetivo realizar uma adaptação do modelo MDA aliado as emoções e aos processos de avaliação de aprendizagem, a fim de construir um guia de desenvolvimento de jogos educacionais que forneça experiências significativas, e seja capaz de avaliar aspectos pedagógicos, de forma qualitativa e quantitativa, durante a experiência do usuário com o jogo educacional. Para isso, foi realizado um estudo de caso na disciplina de Linguagens Formais e Autômatos, mais especificamente, Linguagens Regulares e Autômatos Finitos Determinísticos, visando incluir o modelo MDA, as emoções e os conceitos de avaliação de aprendizagem em um jogo educacional
Diretrizes para garantia de qualidade em portais da transparência
(2024-02-28) Perez, Gabriel Vazarin; Barros, Vanessa Tavares de Oliveira; Fialho, Francisco Antônio Pereira; Barros, Rodolfo Miranda de
A Transparência das ações tomadas na Administração Pública é um alicerce fundamental para o funcionamento de qualquer democracia hoje no mundo, garantindo o controle social por parte da população, os aproximando do Estado e fortalecendo sua cidadania. Algumas leis marcam a evolução do conceito de transparência pública no código de conduta brasileiro, evidenciando os Portais da Transparência, que são sítios digitais que possuem a finalidade de assegurar aos cidadãos a possibilidade de acessar informações relacionadas à gestão pública. Entretanto, diversos problemas são encontrados hoje nestes portais, dificultando que os cidadãos exerçam seu controle social. Problemas esses que vão desde a qualidade das informações publicadas até, principalmente, questões relativas à usabilidade, interatividade e acessibilidade. Sendo assim, este trabalho definirá diretrizes de usabilidade que busquem garantir a qualidade em Portais da Transparência. Para isso, realizou-se a pesquisa bibliográfica acerca das legislações, qualidade dos portais e conceitos fundamentais à Experiência do Usuário, preparando e aplicando, em seguida, questionários com profissionais de TI ligados a área pública, assim como, com os cidadãos compreendendo percepções dos cidadãos frente aos Portais da Transparência existentes, assim como, seus gostos e preferências no que diz respeito à interfaces web, compreendendo as maiores dores e expectativas das pessoas com o Portal da Transparência. Constataram-se três eixos para a aplicação das diretrizes, que vão desde a qualidade das informações oferecidas até o desenvolvimento de componentes de design que promovam eficiência de uso e melhorem a navegação. Após a definição das diretrizes, elas foram aplicadas e validadas em protótipos navegáveis por meio de testes de usabilidade, mensurando a efetividade das diretrizes propostas. As melhorias alcançadas com as diretrizes resultarão em Portais da Transparência mais fáceis de usar e mais intuitivos para os cidadãos realizarem o controle social e exercerem sua cidadania.
Modelo de aprendizado de máquina para avaliação automática do desenvolvimento motor grosso
(2023-09-29) Pilati Filho, Edson Luiz; Brancher, Jacques Duílio; Menolli, André Luís Andrade; Spinosa, Rodrigo Martins de Oliveira
As habilidades motoras grossas são atividades que envolvem os grandes músculos do corpo humano, como sentar, agachar, andar e correr. O Test of Gross Motor Development ou TGMD, é um teste muito utilizado por pesquisadores, pediatras, Ąsioterapeutas e edu cadores de diversos países para avaliar estas habilidades em crianças na faixa etária de 3 até 11 anos. Uma parte importante do teste é que o movimento executado pelas crianças precisa ser gravado e avaliado por dois ou mais proĄssionais. O processo de avaliação é trabalhoso e leva tempo, sendo sua automatização um dos principais pontos a serem desen volvidos. Nos últimos anos, têm sido propostos métodos para automatizar a avaliação dos movimentos de acordo com os critérios do TGMD. A hipótese investigada neste trabalho é a de que é possível induzir um modelo de aprendizado de máquina capaz de identiĄcar se o movimento da criança está correto. A proposta é avaliar automaticamente o primeiro critério da habilidade de salto do TGMD-3. Foi utilizada uma rede neural convolucional, PoseNet, para extrair o esqueleto das crianças, então foram modeladas características que representam o primeiro critério da habilidade de salto. K-nearest neighbors, Random Fo rest e One-class SVM foram testados para determinar sua acurácia na classiĄcação do movimento, usando um dataset de 350 imagens de crianças brasileiras, entre 3 e 11 anos, realizando o movimento preparatório para o salto. Os resultados experimentais mostram uma acurácia média de 84% para o K-nearest neighbors, 84% de acurácia média para o Random Forest e 77% de acurácia média para o One-class SVM.
Processamento da língua portuguesa na detecção de toxicidade na rede social twitter
(2023-03-27) Mioni, José Luiz Villela Marcondes; Barbosa, Cinthyan Renata Sachs Camerlengo de; Felinto, Alan Salvany; Lima, Wagner Ferreira
O crescimento de conteúdo ofensivo, comportamento tóxico e assédio de indivíduos em ambientes de internet aumentou significativamente à medida que a sociedade se torna cada vez mais digital. Diante desses eventos, diversas comunidades da web como redes sociais, portais e jogos online buscam dar suporte tecnológico na filtragem de conteúdo, proteção individual e verificação de dados. Apesar desses esforços, casos de depressão, ansiedade, outros traumas psicológicos e suicídio ainda são relatados em várias plataformas. Este trabalho descreve uma ferramenta de Processamento da Língua Portuguesa que sinalizará possível cyberbullying e discurso de ódio na rede social twitter por meio de categorização, classificação e concorrência para alcançar um índice binário de toxicidade pragmaticamente, assim como sua análise sobre um corpus alvo compilado a partir de conteúdo em redes sociais. Por meio da análise, um índice de 7,3% de toxicidade foi encontrado no corpus, reforçando a necessidade de atenção ao assunto, assim como expansões das ferramentas e pesquisas futuras na área.
MDD4CPD : software development framework for cyber-physical devices
(2023-04-12) Goncalves, Rafael Figueira; Menolli, André Luís Andrade; Bonifácio, Adilson Luiz; Oliveira Junior, Edson Alves de; Barros, Rodolfo Miranda de
A Internet das Coisas oferece diversas possibilidades para soluções inovadoras usando dispositivos conectados. No entanto, a adoção dessa tecnologia também apresenta no vos desaĄos, especialmente para desenvolvedores com conhecimento limitado em domínio especíĄco para a Internet das Coisas, que podem ter diĄculdade em criar soluções eĄ cazes, deixando o software vulnerável a problemas como manutenção e segurança. Para contornar esses desaĄos, esta dissertação propõe um framework de desenvolvimento de software baseado em metodologia orientada a modelos (MDD) para apoiar a criação de novas soluções para a Internet das Coisas. As principais características do framework in cluem um meta-modelo baseado em hardware, uma etapa uniĄcada de modelagem, bem como um processo de geração de código instantâneo e completo. O framework proposto é concretizado por meio de uma ferramenta Low-Code que modela visualmente dispositivos ciberfísicos e gera código. O framework foi validado por meio de comparação por métricas de software, dentro do escopo limitado foi capaz de gerar código Arduino, com alta quali dade de software, e sem perda de desempenho. A validação externa foi aplicada por meio de um Modelo de Aceitação de Tecnologia, o que considerou a ferramenta fácil de usar e útil. A ferramenta de código aberto está disponível em https://github.com/rzfzr/mdd4.
Automatic grading of portuguese short answers using a machine learning approach
(2019-03-29) Galhardi, Lucas Busatta; Brancher, Jacques Duílio; Ayrosa, Pedro Paulo da Silva; Leal, Gislaine Camila Lapasini; Souza, Rodrigo Clemente Thom de
Avaliações são rotineiramente utilizadas em contextos de aprendizado a fim de estimar o conhecimento retido pelos estudantes. Apesar de sua importância, professores geralmente consideram a tarefa de avaliar respostas discursivas como muito trabalhosa. As condições de trabalho do professor e a sua própria subjetividade podem influenciar nas suas avaliações, pois humanos estão sujeitos ao cansaço, à outras influências e a nota de um aluno pode depender até mesmo da ordem de correção. Esses problemas se apresentam de forma ainda mais intensa em ferramentas como Ambientes Virtuais de Aprendizagem e Cursos Onlines Abertos e Massivos, que recentemente aumentaram sua popularidade e são usados por muito mais estudantes de uma vez que salas de aula físicas. Visando auxiliar nesses problemas, essa dissertação explora a área de pesquisa da avaliação automática de respostas discursivas usando uma abordagem de aprendizado de máquina, com três principais objetivos: (1) realizar uma revisão sistemática da literatura sobre o assunto a fim de se obter uma visão geral do estado da arte e de suas principais técnicas; (2) coletar dados reais de exercícios discursivos escritos na Língua Portuguesa por estudantes; e (3) implementar, avaliar e comparar diferentes abordagens para o sistema de avaliação automática das respostas. Para o primeiro objetivo, 44 artigos foram sistematicamente revisados, analisando vários de seus aspectos, desde os dados utilizados até a avaliação do modelo. Para o segundo, foram coletadas 7473 respostas de 659 estudantes, além de 9558 avaliações feitas por 14 avaliadores humanos (algumas respostas receberam mais de uma avaliação). Para o último objetivo, seis abordagens diferentes foram experimentadas e um modelo final foi criado com a combinação das abordagens. A efetividade mostrada pelo modelo foi satisfatória, com os valores de kappa indicando uma concordância de moderada a substancial entre o modelo e a avaliação humana. Os resultados mostraram que uma abordagem de aprendizado de máquina pode ser eficientemente utilizada na avaliação automática de respostas curtas, incluindo respostas na Língua Portuguesa.
Gaia venalium : modelo de maturidade e capacidade para aquisição de produtos e serviços de TI
Silva, Matheus Santana da; Barros, Rodolfo Miranda de [Orientador]; Góis, Lourival Aparecido de; Brancher, Jacques Duílio; Barros, Vanessa Tavares de Oliveira; Attrot, Wesley
Resumo: Dentro de qualquer organização, o processo de aquisição de um produto ou serviço é um processo crítico e que merece atenção, pois se for feito de maneira inadequada, pode causar inúmeros malefícios Neste sentido, o processo de aquisição de produtos e serviços de TI não é diferente, pois uma aquisição mal feita pode causar desde atrasos em contratos vigentes, o que acarretaria em responder as sanções previstas nestes contratos, ou até mesmo a dependência da empresa contratada para fornecer o produto ou serviço Assim sendo, o objetivo deste trabalho é desenvolver um modelo de maturidade e capacidade para aquisição de produtos e/ou serviços de TI, que possa ajudar a organização a realizar uma aquisição de qualidade, focando sempre no "como fazer" e não no "que fazer", e que seja implementado de forma progressiva, possibilitando um maior controle e domínio da organização em relação ao uso e implementação do modelo, uma vez que a organização tem o poder de decidir quais serviços deseja implantar, como deseja implantar e até onde deseja implantar estes serviços Para tanto, o presente trabalho compreende 5 níveis de maturidade, dispostos em 7 eixos de conhecimento distintos, 12 serviços, um questionário para a avaliação diagnóstica e um processo de implantação De forma a validar o modelo, o mesmo foi avaliado por especialistas, por meio de um questionário avaliativo, recebendo avaliação bastante positiva em relação aos seus processos, templates e documentação Ainda de forma a contribuir para a validação do modelo, realizou-se um estudo de caso em uma empresa de TI, afim de entender a realidade do processo de aquisição de uma organização real, validar o modelo e melhorá-lo como um todo(processos, documentação e templates), constatando uma melhora significativa no processo de aquisição da organização alvo após a implantação de alguns serviços do modelo proposto
Utilização de classificadores supervisionados para detecção de intrusões em redes industriais
Altamirano, Gabriel Jesus Vasquez; Zarpelão, Bruno Bogaz [Orientador]; Proença Junior, Mario Lemes; Amaral, Alexandre de Aguiar
Resumo: Ataques recentes a redes industriais têm trazido à tona questões sobre como protegê-las Essas redes são essenciais para o controle de muitos aspectos de nossa vida cotidiana, como o abastecimento de água, o fornecimento de energia elétrica e gás, etc Neste trabalho, realizamos um estudo sobre a utilização de algoritmos de classificação supervisionada na detecção de intrusões em redes industriais Para tanto, foi proposto um modelo de detecção de intrusões que prevê a utilização de fluxos IP gerados a partir de pacotes coletados de uma rede industrial Estudamos o desempenho de nove algoritmos de classificação supervisionada, pertencentes às famílias dos classificadores de árvore de decisão, dos classificadores discriminativos e dos classificadores estatísticos Considerando que no tráfego de redes haverá uma quantidade significativamente menor de tráfego malicioso em comparação com tráfego legítimo, teremos o desbalanceamento entre essas duas classes como uma das características chave deste tráfego A avaliação dos classificadores se deu utilizando métricas apropriadas para lidar com esse desbalanceamento como o f1 score, acurácia média, curva ROC (Receiver Operating Characteristic), curva PR (Precision- Recall) e áreas sob as curvas ROC e PR Os resultados apontaram que os algoritmos pertencentes à família das árvores de decisão apresentaram um desempenho superior aos demais, sendo o melhor resultado obtido pelo algoritmo Boosted Decision Tree
Framework para análise do desempenho dos docentes de pós-graduação
Simões, Felipe Oliveira; Brancher, Jacques Duílio [Orientador]; Barros, Rodolfo Miranda de; Coelho Neto, João; Campos, Vítor Valério de Souza [Coorientador]
Resumo: O crescente aumento da pós-graduação no Brasil, fez com que a CAPES cada vez mais se preocupasse com a qualidade dos programas de pós-graduação brasileiros De forma que ela passou a avaliar estes programas continuamente, visando garantir a qualidade dos mesmos Com isso, as Instituições de Ensino Superior (IES) também passaram a ser preocupar mais com a qualidade de seus programas de pós-graduação, dessa maneira gerando uma demanda por ferramentas, modelos e frameworks que pudessem auxiliá-las em seus processos, a fim de garantir a qualidade de seus programas Tendo em vista a necessidade das IES em melhorem ou manterem a qualidade de seus programas, foi proposto o Framework de Análise do Desempenho dos Docentes de Pós-Graduação, que tem por objetivo fornecer aos programas, processos que visam melhorar o desempenho do corpo docente durante as avaliações realizadas pela CAPES Para este fim, ele fornece processos que podem ser aplicados aos programas de pós-graduação, um ciclo de vida na qual novos processos podem ser criados com base nele, e uma arquitetura que visa permitir a criação de sistemas que possuam o mesmo propósito O trabalho utilizou como base para a criação do framework o conceito de Gerenciamento de Processos de Negócio (BPM), visando oferecer uma estrutura que pudesse ser aplicado em qualquer IES, de forma a auxiliá-las a otimizar seus processos de trabalho

Navegar

Submissões Recentes