DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 328

Aluno: Mateus Amorim Silva

Título: "Utilização da Teoria do Perigo na Detecção de Fake News em redes sociais"

Orientador: Fernando Buarque de Lima Neto

Examinador Externo: Diogo Ferreira Pacheco (UoE)

Examinador Interno: Leandro Honorato Silva

Data-hora: 21 de julho de 2025 às 10h

Local: Formato Remoto - Google Meet.

---

Resumo:

         "A disseminação de notícias falsas (fake news) em redes sociais representa uma ameaça signifi cativa à estabilidade social e democrática, exigindo métodos de detecção cada vez mais rápidos e precisos. Enquanto as abordagens baseadas em Redes Neurais em Grafos (GNNs) são promissoras para modelar a estrutura de propagação, elas muitas vezes não capturam os sinais de anomalia presentes nos estágios iniciais de uma cascata. Esta dissertação introduz uma nova abordagem híbrida, a HybridDCAGNN, inspirada na Teoria do Perigo do sistema imunológico. Propomos uma camada convolucional em grafo customizada e treinável, a DCAConv, que aprende a gerar um “sinal de perigo” para cada nó ao analisar o fl uxo de informação direcional da propagação. Este sinal enriquece as features dos nós antes de serem processadas por um backbone GNN padrão (GCN, SAGE, GIN, CHEB). Experimentos conduzidos nos datasets GossipCop e Politifact demonstram que a abordagem híbrida é superior aos modelos baseline, especialmente na tarefa crítica de detecção precoce, onde a informação estrutural é escassa. A análise de explicabilidade confi rma que o modelo aprende a identifi car nós de “alto perigo”, validando a inspiração biológica. Concluímos que a integração de princípios da Teoria do Perigo em GNNs oferece um caminho robusto para a criação de modelos mais efi cazes e interpretáveis para o combate à desinformação."