DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 291

Aluno: Islan Amorim Bezerra

Título: “Técnica de Machine Learning para a Recuperação Eficiente de Dados Formatados em Imagens JPEG e PNG"

Orientador: Sidney Marlon Lopes de Lima - (PPGEC)

Examinador Externo: Waldemar Pires Ferreira Neto - (UFRPE)

Examinador Interno: Sérgio Murilo Maciel Fernandes - (PPGEC)

Data-hora: 23 de Fevereiro de 2024, às 17:00h.
Local: Formato Remoto - Google Meet.


Resumo:

         Com efeito colateral da massificação da rede mundial de computadores, os crimes virtuais têm uma maior tendência de ocorrer. As situações rotineiras são: cyberbullying e compartilhamentos ilícitos, mas também ocorrem casos de invasão de privacidade, divulgação de mensagens difamatórias e pornografia infantil. Como agravante, quando o equipamento digital é roubado, perdido ou descartado, os dados continuam armazenados no dispositivo de armazenamento em massa. Esse fator permite a recuperação de arquivos formatados. Porém quando empregada de forma lícita, a recuperação de dados formatados é capaz contribuir com as investigações de crimes digitais e cibernéticos. O presente trabalho visa o resgate de arquivos formatados. É investigada a aplicabilidade das ferramentas Foremost, Scalpel e Magic Rescue no ambiente Linux. Adicionalmente, é criada uma ferramenta autoral, patenteada como Dejavu Forensics, dotada de ciência dos dados, machine learning e reconhecimento de padrão estatístico. A Dejavu Forensics traz novas percepções de análise com relação aos métodos de recuperação de arquivos formatados. Na ferramenta proposta, o cluster da partição é empregado como atributo de entrada da máquina de aprendizado estatística. Visa-se reconhecer o padrão dos blocos/clusters do tipo de arquivo a ser recuperado, em tempo de execução. No primeiro cenário, aqui denominado "simples", a classificação é binária. Há apenas classe vs. contra-classe. Essa metodologia foi desenvolvida por Pavel (2017) e replicada no cenário simples mencionado anteriormente. Em um segundo cenário, denominado "complexo", foi utilizado o método um contra todos, cujo banco de dados contém 16.000 arquivos. A Dejavu Forensics apresenta uma abordagem de ponta que sinergiza o aprendizado de máquina e a ciência de dados para recuperar dados formatados. A ferramenta inovadora apresenta uma taxa de recuperação notável de mais de 96% para arquivos PNG e JPEG formatados, executada em apenas alguns segundos. Esse avanço é uma promessa significativa de modo a otimizar as investigações forenses digitais. As experiências relatadas no trabalho proposto deixam contribuições para o avanço nos estudos sobre recuperação de dados. Sua relevância diz respeito à proposta de auxiliar na elucidação dos crimes digitais que rondam a sociedade contemporânea. O sistema autoral se torna um locus de como a tecnologia pode servir aos direitos humanos e melhorar a qualidade de vida na sociedade contemporânea.

Defesa 291
Go to top Menú