Aprendizado Federado Online Aplicado em Cibersegurança

• Processo: 24/18548-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de dezembro de 2024
• Data de Término da vigência: 30 de novembro de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Daniel Macêdo Batista
• Beneficiário: Renata Meyer Hobold
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Empresa: Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação (FEEC)
• Vinculado ao auxílio: 21/00199-8 - Redes e serviços inteligentes rumo 2030 (SMARTNESS), AP.PCPE
• Assunto(s): Aprendizado federado Segurança cibernética Internet das coisas Redes de computadores
• Palavra(s)-Chave do Pesquisador: Ambiente de Experimentação | Aprendizado federado | aprendizado online | Cibersegurança | Internet das Coisas | Redes de Computadores

Resumo

A constante evolução de novas botnets voltadas para causar Ataques Distribuídos de Negação de Serviço (DDoS -- Distributed Denial of Service) aliada à baixa capacidade de armazenamento em dispositivos de Internet das Coisas (IoT -- Internet of Things) para armazenar os pacotes que trafegam na rede justificam a utilização de sistemas de detecção de intrusão (IDSs -- Intrusion Detection Systems) baseados em modelos de aprendizado de máquina que sejam capazes de aprender sobre novos ataques sem a necessidade de armazenar todo o tráfego. Uma boa solução para esse cenário é usar o aprendizado online, também conhecido como stream learning. Entretanto, o baixo poder computacional de alguns dispositivos de IoT justifica que o treinamento do modelo seja realizado em ambientes externos com maior capacidade de processamento, por exemplo por meio do aprendizado federado. Recentemente algumas propostas na literatura têm sugerido a utilização do aprendizado federado online. Este projeto de iniciação científica visa avaliar o desempenho de diferentes modelos de aprendizado federado online na detecção de ciberataques e de construir um arcabouço para experimentação desses modelos, permitindo que pesquisas futuras possam ser realizadas sem a necessidade da escrita de um novo ambiente de experimentação. Os resultados esperados são um relatório com a análise de desempenho de diferentes modelos de aprendizado federado online, além do código do arcabouço, que será disponibilizado como software livre.