Aprendizado de máquina adversário

• Processo: 23/14007-9
• Modalidade de apoio: Bolsas no Brasil - Programa Estímulo a Vocações Científicas
• Data de Início da vigência: 15 de janeiro de 2024
• Data de Término da vigência: 19 de fevereiro de 2024
• Área de conhecimento: Engenharias - Engenharia Elétrica - Telecomunicações
• Pesquisador responsável: Paulo Sergio Ramirez Diniz
• Beneficiário: Pedro Henrique Machado Zanineli
• Instituição Sede: Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa (COPPE). Universidade Federal do Rio de Janeiro (UFRJ). Ministério da Educação (Brasil)
• Assunto(s): Aprendizado computacional Redes neurais (computação)
• Palavra(s)-Chave do Pesquisador: Communications | machine learning | Aprendizado de Máquinas

Resumo

Quando tratamos do estado da arte em aprendizado de máquina, redes neurais artificiais (RNAs), uma abordagem biológica de algoritmos, podem ser compreendidas como referência na área de aprendizado profundo. Buscando aprender padrões complexos em conjuntos de dados e realizar tarefas, as RNAs detêm um formato de camada de entrada, intermediária e saída, em que os dados serão recebidos, processados e exibidos. Para tanto, a efetividade da rede neural será bastante dependente da qualidade dos dados a serem processados, de maneira que, caso as informações tenham um excesso de resíduos ou tenham sido danificadas, o processo de encontrar padrões existentes seja dificultado. Apesar da problemática, uma importante solução encontrada foi a conceitualização da aprendizagem adversária, que corrompe propositalmente os dados a fim de fortalecer o aprendizado da rede neural artificial. Uma aplicação de grande relevância para a técnica foi na área de telecomunicações, em que é necessário trabalhar com uma quantidade massiva de dados que pode sofrer perdas e ataques, comprometendo a comunicação efetiva. Utilizando o conceito de aprendizagem adversária, não apenas se torna possível uma transferência de dados mais efetiva como também a predição de eventuais ataques. (AU)