Busca avançada
Ano de início
Entree

Starling: segurança e alocação de recursos em B5G via técnicas de inteligência artificial

Processo:21/06995-0
Modalidade de apoio:Auxílio à Pesquisa - Regular
Data de Início da vigência: 01 de agosto de 2023
Data de Término da vigência: 31 de julho de 2025
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Acordo de Cooperação: MCTI/MC
Pesquisador responsável:Daniel Macêdo Batista
Beneficiário:Daniel Macêdo Batista
Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Município da Instituição Sede:São Paulo
Pesquisadores associados:Michele Nogueira Lima ; Mosab Hamdan Adam Mohamed Alhassan ; Paulo Angelo Alves Resende ; Pedro Henrique Gomes da Silva ; Rodrigo Izidoro Tinini
Bolsa(s) vinculada(s):24/09448-9 - Alocação de Recursos com Garantia de Requisitos Temporais para Smart Grids, BP.TT
24/10240-3 - Detecção de DDoS na Internet das Coisas utilizando Métodos de Aprendizado de Máquina com Retreinamento, BP.TT
23/13638-5 - Análise de desempenho de técnicas de aprendizado de máquina na classificação online de tráfego malicioso, BP.TT
23/13669-8 - Detecção de DDoS na Internet das Coisas utilizando Métodos de Aprendizado de Máquina com Retreinamento, BP.TT
Assunto(s):Redes de computadores  Segurança de redes  Internet das coisas  Alocação de recursos  Big data  Tecnologias 5G 
Palavra(s)-Chave do Pesquisador:alocação de recursos | big data | Internet das Coisas | redes B5G | Segurança de Redes | Redes de Computadores

Resumo

As mudanças nos paradigmas e nas capacidades da infraestrutura de telecomunicações móveis trazidas com a quinta geração (5G) têm ampliado o interesse e antecipado o desenvolvimento das gerações seguintes, identificadas como Beyond 5G (B5G). Para essas próximas gerações destacam-se como casos de uso a Massive Machine Type Communication (mMTC) e a Ultra-Reliable and Low Latency Communication (URLLC). Comum a esses casos de uso está a necessidade de gerenciar recursos por meio do fatiamento e da virtualização da rede, a necessidade de tomada rápida de decisões por meio de serviços de Inteligência Artificial, e a necessidade de garantir a segurança da rede levando em conta as alt1ssimas taxas de transmissão. Nesse ambiente, aplicações como as cidades inteligentes e a Internet das Coisas Industrial exigirão soluções inovadoras na rede a fim de funcionarem corretamente com a segurança necessária. Nesse sentido, este projeto apresenta quatro linhas de pesquisa relacionadas com melhorias necessárias em vários aspectos do B5G para tornar as próximas gerações de telecomunicações móveis confiáveis, altamente automatizadas e com suporte nativo a mecanismos de Inteligência Artificial. Este projeto se enquadra no tema TVI - Tecnologias Viabilizadoras da Internet especificado na chamada de propostas. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (5)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
INACIO, BRUNO BRANDAO; CARVALHO DE ARAUJO, JULIANA C.; DOS SANTOS, ALDRI L.; NOGUEIRA, MICHELE; HIRATA, R., JR.; BATISTA, DANIEL M.. A Lean and Modular Two-Stage Network Intrusion Detection System for IoT Traffic. 2024 IEEE LATIN-AMERICAN CONFERENCE ON COMMUNICATIONS, LATINCOM, v. N/A, p. 6-pg., . (18/23098-0, 22/15304-4, 15/24485-9, 14/50937-1, 21/06995-0)
ANDRADE DE ARAUJO JOSEPHIK, JOAO GABRIEL; SIQUEIRA, YAISSA; MACHADO, KETLY GONCALVES; TERADA, ROUTO; DOS SANTOS, ALDRI LUIZ; NOGUEIRA, MICHELE; BATISTA, DANIEL MACEDO. Applying Hoeffding Tree Algorithms for Effective Stream Learning in IoT DDoS Detection. 2023 IEEE LATIN-AMERICAN CONFERENCE ON COMMUNICATIONS, LATINCOM, v. N/A, p. 6-pg., . (18/23098-0, 15/24485-9, 21/06995-0, 14/50937-1)
BAZALUK, BRUNA; HAMDAN, MOSAB; GHALEB, MUSTAFA; GISMALLA, MOHAMMED S. M.; DA SILVA, FLAVIO S. CORREA; BATISTA, DANIEL MACEDO. Towards a Transformer-Based Pre-trained Model for IoT Traffic Classification. PROCEEDINGS OF 2024 IEEE/IFIP NETWORK OPERATIONS AND MANAGEMENT SYMPOSIUM, NOMS 2024, v. N/A, p. 7-pg., . (15/24485-9, 21/06995-0, 14/50937-1)
DE NEIRA, ANDERSON B.; BORGES, LIGIA F.; BATISTA, DANIEL M.; NOGUEIRA, MICHELE. Unsupervised AutoML and Dimensionality Reduction for Autonomous DDoS Attack Prediction. 2024 IEEE LATIN-AMERICAN CONFERENCE ON COMMUNICATIONS, LATINCOM, v. N/A, p. 6-pg., . (23/13773-0, 21/06995-0, 22/06840-0, 14/50937-1, 15/24485-9)
MOSAIYEBZADEH, FATEMEH; POURIYEH, SEYEDAMIN; HAN, MENG; LIU, LIYUAN; XIE, YIXIN; ZHAO, LIANG; BATISTA, DANIEL MACEDO. Privacy-Preserving Federated Learning-Based Intrusion Detection System for IoHT Devices. ELECTRONICS, v. 14, n. 1, p. 18-pg., . (21/06995-0, 15/24485-9, 14/50937-1)