Análise de métricas para avaliação de dados sintéticos de monitoramento de rede

• Processo: 24/22752-9
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
• Data de Início da vigência: 01 de abril de 2025
• Data de Término da vigência: 31 de julho de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Magnos Martinello
• Beneficiário: Guilherme Silveira Gomes Brotto
• Supervisor: Idilio Drago
• Instituição Sede: Centro Tecnológico. Universidade Federal do Espírito Santo (UFES). Ministério da Educação (Brasil). Vitória , SP, Brasil
• Instituição Anfitriã: Università degli Studi di Torino (UNITO), Itália
• Vinculado à bolsa: 23/11477-4 - Análise de métricas para avaliação de dados sintéticos de monitoramento de rede, BP.IC
• Assunto(s): Privacidade Análise de séries temporais Redes de computadores
• Palavra(s)-Chave do Pesquisador: Dados sinteticos | Modelos Generativos | privacidade | Séries Temporais | Redes de Computadores

Resumo

Diversas aplicações e pesquisas envolvendo a área de redes de computadores necessitam da disponibilização de conjuntos de dados. No entanto, devido a fatores como leis de privacidade ou políticas internas da empresa, o acesso a esses conjuntos de dados pode ser limitado. Nesse sentido, estudos que visem disponibilizar esses tipos de dados são essenciais. Uma alternativa para esse problema é utilizar modelos que consigam gerar dados sintéticos a partir de dados reais, preservando suas características e mantendo a privacidade. Nesse contexto, em um projeto de iniciação científica conduzido dentro do grupo de pesquisa, investigamos como a geração e avaliação de alguns tipos de dados de mobilidade podem ser feitas de forma eficiente utilizando modelos otimizados para séries temporais, particularmente na geração de dados de ataque em ambientes IoT. Embora eficientes, os modelos investigados até o momento apresentam limitações quanto às propriedades dos dados que são capazes de aprender. Portanto, este projeto de pesquisa visa à investigação e análise de métricas que quantifiquem a qualidade de dados gerados a partir de modelos generativos, em especial gerados a partir de redes generativas adversárias, stable diffusion e transformers. Para isto, serão realizadas análises e caracterização de dados sintéticos, gerados a partir de modelos recentes da literatura, tendo como entrada conjuntos de dados reais.