Identificação e ofuscação de vulnerabilidades de segurança e de comportamentos na IoT

• Processo: 21/06733-6
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de julho de 2022
• Data de Término da vigência: 30 de junho de 2024
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Aldri Luiz dos Santos
• Beneficiário: Aldri Luiz dos Santos
• Instituição Sede: Instituto de Ciências Exatas (ICEx). Universidade Federal de Minas Gerais (UFMG). Ministério da Educação (Brasil). Belo Horizonte , SP, Brasil
• Pesquisadores associados: Aurora Trinidad Ramirez Pozo ; Michele Nogueira Lima ; Ricardo Tombesi Macedo
• Bolsa(s) vinculada(s): 22/16444-4 - Uma avaliação de desempenho experimental da ferramenta para identificar e ofuscar vulnerabilidades de segurança e de comportamentos na IoT, BP.TT; 22/15573-5 - Um mecanismo para ofuscação de comportamentos na IoT baseado em adversarial machine learning, BP.TT; 22/14299-7 - Modelagem e implementação da classificação de dados para identificação automatizada de vulnerabilidades em dispositivos IoT, BP.TT
• Assunto(s): Redes de computadores Inteligência artificial Internet das coisas Segurança de redes Vazamento de informação Privacidade de dados Lei Geral de Proteção de Dados Pessoais (LGPDP)
• Palavra(s)-Chave do Pesquisador: Inteligência Artificial | Internet das Coisas | Segurança de Redes | Vazamento de Informação | Redes de Computadores

Resumo

Este projeto atua na prevenção de vazamentos de informações na transmissão de mensagens de redes. A privacidade dos dados é cada vez mais necessária diante do advento da IoT, que gera mais dados sensíveis, e da implantação da Lei Geral de Proteção dos Dados (LGPD). Na academia, investigam-se com afinco os ataques side-channel, os quais apenas observando o tráfego de rede e por meio de métodos estatísticos e de Inteligência Artificial inferem padrões e comportamentos reveladores de informações sensíveis para os usuários, comprometendo sua privacidade. Assim, este projeto busca modelar o vazamento de informação na IoT e propor soluções efetivas para: (i) a identificação automatizada de vulnerabilidades de segurança associadas à privacidade dos dados e (ii) a ofuscação das vulnerabilidades identificadas. Para a identificação e ofuscação das vulnerabilidades, pretende-se aplicar técnicas de inteligência artificial. Este projeto contribui para o avanço científico da Internet e para o aperfeiçoamento de tecnologias visando à implantação da LGPD. As avaliações de desempenho das soluções propostas serão conduzidas no ambiente de testes para cibersegurança, em desenvolvimento no escopo do projeto MCTIC/FAPESP MENTORED. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

VERGUTZ, ANDRESSA; DOS SANTOS, BRUNA V.; KANTARCI, BURAK; NOGUEIRA, MICHELE. Data Instrumentation From IoT Network Traffic as Support for Security Management. IEEE TRANSACTIONS ON NETWORK AND SERVICE MANAGEMENT, v. 20, n. 2, p. 13-pg., 2023-06-01. (18/23098-0, 21/06733-6)

BREZOLIN, UELINTON; VERGUTZ, ANDRESSA; NOGUEIRA, MICHELE. A method for vulnerability detection by IoT network traffic analytics. Ad Hoc Networks, v. 149, p. 10-pg., 2023-10-01. (18/23098-0, 21/06733-6)