Análise Exploratória de Fluxo de Redes na Geração e Avaliação de Amostras Adversariais

• Processo: 25/09593-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de junho de 2025
• Data de Término da vigência: 31 de maio de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Michele Nogueira Lima
• Beneficiário: Mateus Silva Jesué
• Instituição Sede: Instituto de Ciências Exatas (ICEx). Universidade Federal de Minas Gerais (UFMG). Ministério da Educação (Brasil). Belo Horizonte , SP, Brasil
• Vinculado ao auxílio: 18/23098-0 - MENTORED: da modelagem à experimentação - predizendo e detectando ataques DDoS e zero-day, AP.TEM
• Assunto(s): Aprendizado computacional Internet das coisas Segurança de redes Redes de computadores
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Internet das Coisas | Segurança de Redes | Redes de Computadores

Resumo

O uso de técnicas de aprendizado de máquina tem se popularizado no contexto da cibersegurança, sendo utilizadas para aumentar a segurança de redes e mitigar o impacto de possíveis ataques. No entanto, os modelos de inteligência artificial também estão sendo utilizados para sofisticar ataques e uma das formas que isso tem sido feito é por meio da geração de amostras adversariais e alimentação desses modelos utilizando-as. Por isso, surge a necessidade de se estudar as amostras adversariais em comparação com as amostras originais e seu impacto. Assim, essa proposta busca compreender os impactos das amostras adversariais em modelos de aprendizado de máquina, avaliar as vulnerabilidades que essas amostras geram nesses modelos e comparar as variações estatísticas das amostras adversariais em relação às amostras originais, contribuindo, dessa forma, com o campo da cibersegurança.