Uso de Machine Learning e monitoramento de performance para verificação de integridade em Gateways IIoT

• Processo: 21/02385-3
• Linha de fomento: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Vigência (Início): 01 de abril de 2021
• Vigência (Término): 28 de fevereiro de 2023
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Convênio/Acordo: MCTI/MC
• Pesquisador responsável: Antônio Augusto Medeiros Fröhlich
• Beneficiário: Leonardo Passig Horstmann
• Instituição-sede: Centro Tecnológico. Universidade Federal de Santa Catarina (UFSC). Ministério da Educação (Brasil). Florianópolis , SP, Brasil
• Empresa: Ministério da Educação (Brasil). Universidade Federal de Santa Catarina (UFSC). Centro Tecnológico
• Vinculado ao auxílio: 20/05142-1 - Gateway seguro para a internet das coisas industriais, AP.PITE
• Assunto(s): Aprendizado computacional Internet das coisas Mineração de dados

Resumo

Este plano de atividades trata do desenvolvimento de um mecanismo de detecção de anomalias baseado em Machine Learning aplicada sobre os dados coletados em tempo de execução através de um sistema de monitoramento de performance não intrusivo. Dentre as atividades que compõem o plano estão o levantamento do estado da arte em técnicas de Machine Learning para detecção de anomalias em ambientes multicore, a implementação de um sistema não intrusivo de monitoramento das variáveis disponíveis na plataforma, a aplicação de procedimentos de data mining para processamento e seleção de features, e a implementação e avaliação de modelos de Machine Learning para de detecção de anomalias utilizando técnicas do estado da arte, e, por fim, a integração do modelo de melhor desempenho ao protótipo do projeto e a disseminação do conhecimento produzido através da produção e publicação de artigos científicos em periódicos e apresentação em conferências. (AU)