Horário: 14h
Palestrante: Ranyelson Neres Carvalho (doutorado)
Orientadora: Prof Jacir Bordim
Title: DataPlane-ML: An Integrated Attack Detection and Mitigation Solution for Software Defined Networks
Abstract: Software Defined Network (SDN) is a paradigm that emphasizes the separation of the control plane from the data plane, offering advantages such as flexibility and programmability. However, from a security perspective, SDN also introduces new vulnerabilities due to the communication required between these planes. SYN Flood attacks are typical distributed denial-of-service (DDoS) attacks that especially challenge network administrators since they produce a large volume of semi-open TCP connections to a target, compromising its availability. Most of the current solutions to detect and mitigate these attacks are designed to operate at the control plane imposing an additional overhead on controller functions. Moreover, traffic-blocking mechanisms, a widely used alternative to protect network resources, have the drawback of restricting legitimate traffic. This work proposes DataPlane-ML, an integrated solution to detect and mitigate DDoS attacks on SDN, acting directly in the data plane. DataPlane-ML uses machine learning techniques for attack detection and a mitigation solution based on the node’s reputation to avoid blocking legitimate traffic during an attack. Experimental results show that DataPlane-ML is ≈ 26% faster than statistical-based solutions for attack detection while presenting better accuracy. Moreover, the DataPlane-ML mitigation solution can preserve more than 95% of legitimate traffic during an attack.
Horário: 14h20
Palestrante: Paulo Victor Gonçalves Farias (mestrado)
Orientadora: Prof Jacir Bordim
Título: Utilizando ajuste de taxa e potência de transmissão para melhorar condições de envio de mensagens em VANETs
Resumo: As aplicações de segurança projetadas para redes ad hoc veiculares (VANETs) podem se tornar extremamente importantes para evitar acidentes em ambientes de tráfego em breve. Devido à falta de uma infraestrutura externa para coordenar uma VANET, os veículos são obrigados a trocar mensagens periódicas com seu estado atual para outros veículos nas proximidades, essas mensagens são conhecidas como beacons. Como as aplicações de segurança exigem informações de posição precisas para operar, os beacons devem ser transmitidos em altas frequências devido à natureza dinâmica dos ambientes veiculares. Em cenários urbanos, onde a densidade de veículos pode ser muito alta nas interseções e perto dos centros das cidades, o número de beacons transmitidos simultaneamente pode levar a um congestionamento da rede. Algoritmos de controle de congestionamento têm sido propostos como uma solução para este problema, porém eles não consideram os requisitos rígidos de posicionamento das aplicações de segurança. Neste trabalho, propõe-se o algoritmo ADPR-CC para resolver este problema através de uma estratégia de envio de mensagens com abordagem multicast e com mecanismos de predição de posição.
Horário: 14h40
Palestrante: Matheus Schimitz Oliveira (mestrado)
Orientadora: Prof Geraldo Pereira Rocha Filho
Título: Aplicação do Aprendizado por Reforço Profundo no Mercado de Ações Brasileiro
Resumo: O uso de algoritmos para a negociação automática nas bolsas de valores ganhou evidência com o avanço da capacidade computacional e com o desenvolvimento de redes com baixa latência. O Aprendizado por Reforço (RL) é aplicado em problemas envolvendo sequências de decisões em ambientes complexos, sendo promissor para a modelagem de ambientes de negociação de ativos. Apesar do grande avanço observado nas publicações recentes, foi identificada uma lacuna relacionada à combinação de dados numéricos do mercado e dados textuais provenientes de múltiplas fontes. Dessa forma, o presente trabalho preenche a lacuna encontrada ao investigar, propor e validar o desenvolvimento de um modelo baseado em Aprendizado por Reforço Profundo (DRL) para a negociação individualizada de ativos no mercado financeiro brasileiro. A proposta será validada a partir da análise dos resultados obtidos com diferentes combinações entre os tipos de dados consumidos e diferentes algoritmos de DRL.
Horário: 15h
Palestrante: Rodrigo Cardoso Aniceto (mestrado)
Orientador: Profa Maristela Holanda
Título: Auxiliando o processo de detecção de plágio em cursos introdutórios de programação
Resumo: Proposta de uma aplicação para auxiliar o professor a identificar alunos suspeitos de plágio em códigos fontes em uma disciplina introdutória de programação com ambiente de ensino virtual. Isso é feito por meio da integração de ferramentas de detecção automática de plágio com dados do comportamento dos alunos na disciplina, para a geração de relatórios unificados. Podendo ser aplicado no ensino a distância ou presencial. Aplicação testada com dados reais visando que se simplifique o processo de identificação de plágios.
Horário: 15h20
Palestrante: Rubens Marques Chaves (mestrado)
Orientadora: Prof Luis Paulo Faina Garcia
Title: Tratamento de desbalanceamento de demonstrações financeiras para predição de falência em fluxo de dados
Abstract: As previsões de falência corporativas são importantes para empresas, investidores e autoridades regulatórias. No entanto, como a maioria dos modelos de previsão de falência em estudos anteriores foram baseados em uma única dimensão de tempo, eles tendem a ignorar as duas principais características de dados de dificuldades financeiras, conjuntos de dados desequilibrados e desvio de conceito do fluxo de dados. Para superá-los, este estudo tenta identificar as técnicas mais adequadas para o tratamento desses problemas em demonstrações financeiras fornecidas trimestralmente a CVM, utilizando um sistema de janelas deslizantes e
com mecanismo de esquecimento para evitar a degradação do modelo preditivo. Um experimento empírico foi realizado em uma amostrada de dados coletados do portal de dados abertos da CVM, em um período de 10 anos (2011 a 2020), com 905 corporações distintas, 23.468 registros com 102 indicadores cada, sendo 21.750 de empresas sem dificuldade financeira e 1.718 de empresas com dificuldade financeira. Devido a características do problema, em especial o desbalanceamento, o desempenho do modelo foi medido através de AUC (área sob a curva ROC), G-measure e F-measure.
Horário: 15h40
Palestrante: Eutino Júnior Vieira Sirqueira (mestrado)
Orientadora: Prof Flavio Vidal
Título: Reconhecimento de Entidades Nomeadas aplicado a documentos de licitações e convênios publicados no Diário Oficial da União
Resumo: Reconhecimento de Entidades Nomeadas aplicado a documentos de licitações e convênios publicados no Diário Oficial da União.
Local: Teams MS - Equipe PPGI-316415 Seminário, Canal Seminários 1-2022
Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)
Coordenadora Seminários de Pós-Graduação em Informática 1-2022