Divulgação - Defesa Nº 282

Aluno: Matheus Félix Xavier Barboza

Título: “Prediction of malaria using deep learning models: A case study on city clusters in the state of Amazonas, Brazil"

Orientadora: Patricia Takako Endo

Coorientador: Vanderson de Souza Sampaio (ITPS)

Examinador Externo: Gisely Melo (FMT-HVD)

Examinador Interno: Raphael Dourado (PPGEC)

Data-hora: 29 de Setembro de 2023 às 14:00.
Local: Formato Remoto (Google Meet)

---

Resumo:

         A malária é uma doença transmitida pela fêmea do mosquito Anopheles e pode ser tratada. No entanto, em 2019, foram relatados mais de 247 milhões de casos de malária, juntamente com 619.000 mortes. Mais de 42 milhões de brasileiros correm o risco de desenvolver malária, com 99% dos casos ocorrendo dentro ou ao redor da floresta amazônica. No Brasil, a malária ainda é um importante problema de saúde pública, apesar da queda nas ocorrências e nos óbitos. A previsão espaço-temporal precisa da transmissão da malária pode ajudar a alocar melhor os recursos para ajudar a combater a doença. Para estimar os casos de malária no estado do Amazonas, comparamos e avaliamos modelos estatísticos, deep learning e machine learning neste trabalho. Usamos clusters k-means para agrupar municípios usando um conjunto de dados brasileiro de cerca de 6 milhões de registros (janeiro de 2003 a dezembro de 2018) para testar se o desempenho dos modelos pode ser melhorado ao agrupar municípios com taxas de incidência de malária estatisticamente semelhantes. Os resultados indicam que o modelo ARIMA obteve melhor desempenho, porém, os demais modelos obtiveram valores semelhantes. A divisão dos municípios por clusters reforçou a aplicação de modelos para municípios com valores estatísticos semelhantes. Nossos experimentos mostram que todos esses modelos mostraram precisão aceitável na previsão de novos casos em clusters de k-means e regionais de saúde.

Divulgação - Defesa Nº 283

Aluno: Laislla Carolina Pinheiro Brandão

Título: “Desenvolvimento de Modelos de Aprendizado de Máquina para a Detecção de Anomalias Aplicados ao Processo de Solda Ponto na Indústria Automotiva"

Orientador: Alexandre Magno Andrade Maciel

Examinador Externo: Divanilson Rodrigo Campelo (UFPE)

Examinador Interno: João Fausto Lorenzato de Oliveira

Data-hora: 29 de Setembro de 2023 às 15:00.
Local: Escola Politécnica - Poli, Laboratório LIP-6, Bloco J.

---

Resumo:

         "A solda ponto é um dos processos de união de chapas metálicas mais amplamente utilizados para a construção das carrocerias e mais de 90% dos pontos de solda em todo o mundo são realizadas pela indústria automotiva. Falhas na formação dos pontos de solda podem afetar a rigidez, o desempenho de ruído e vibração do veículo em nível global, além da segurança dos passageiros, portanto, garantir a qualidade da solda ponto é de extrema importância. Respingos de solda são uma condição anômala de expulsão de material que ocorre de forma aleatória durante o processo e, uma vez que a existência de respingos pode ocasionar soldas de resistência e qualidade inadequadas, devem ser evitados. Partindo deste contexto e baseando-se em uma abordagem hipotético-dedutiva e de natureza aplicada, este projeto de pesquisa busca desenvolver modelos para detecção de anomalias, aplicando a técnica de aprendizado profundo mais utilizada para a detecção de anomalias em trabalhos recentes, identificada através de uma revisão sistemática da literatura. A pesquisa é aplicada aos dados do processo de solda ponto de uma unidade fabril automotiva que utiliza a tecnologia de solda BOSCH. O conjunto de dados, que contém parâmetros e medições do processo de solda ponto, possui muitos atributos e, por conta disso, é realizado um tratamento nos dados, visando inicialmente à redução de complexidade e redundâncias. Os níveis de respingos da base são utilizados como direcionadores para divisão dos dados em diferentes cenários, considerando maior ou menor proporção de anomalia para conduzir os experimentos e avaliar o desempenho dos algoritmos para cenários onde as anomalias são mais raras. Como os dados utilizados possuem uma rotulação específica em relação ao problema dos respingos, é considerada uma abordagem de aprendizado semi-supervisionado para identificar sua ocorrência. Após implementação de alguns modelos com diferentes arquiteturas e estratégias de ajuste de hiperparâmetros e seleção de thresholds, é realizada uma comparação destes modelos com diferentes abordagens tradicionais de classificação existentes, buscando verificar quais trazem resultados mais robustos para a tarefa de detecção das anomalias, e que melhor se adequam à natureza dos dados do processo de solda ponto, considerando diferentes métricas de avaliação."

Divulgação - Defesa Nº 280

Aluno: Júlio César Gomes de Barros

Título: "Um estudo empírico sobre a evolução das características temporais em ataques de phishing".

Orientador: Carlo Marcelo Revoredo da Silva

Coorientador: Bruno José Torres Fernandes

Examinador Externo: Eduardo Luzeiro Feitosa (UFAM)

Examinador Interno: Cleyton Mario de Olveira Rodrigues (PPGEC)

Data-hora: 29 de Setembro de 2023 às 10:00.
Local: Formato Remoto.

---

Resumo:

         Phishing é um método de ataque cibernético no qual os agressores tentam ludibriar indivíduos para obter informações confidenciais, como senhas e dados financeiros, frequentemente por meio de mensagens falsas ou sites fraudulentos. No cenário dinâmico do phishing, os ataques se adaptam constantemente, a fim de evitar detecções. Soluções anti-phishing envolvem o desenvolvimento de ferramentas e técnicas para identificar, bloquear e prevenir esses ataques, muitas vezes combinando análise de características estáticas e dinâmicas para combater a evolução das ameaças. Diante desse problema, esta pesquisa teve como objetivo analisar os comportamentos temporais e dinâmicos, a fim de construir um alicerce técnico capaz de favorecer a criação ou aprimoramento de sistemas para a detecção de páginas de phishing. Para isso, a pesquisa adotou uma abordagem empírica, culminando na criação da base de dados Piracema. Através da análise de seus registros, foi possível investigar a evolução das características dinâmicas dos ataques ao longo do tempo, bem como o relacionamento entre as características e sua relevância na identificação das ameaças. A análise contemplou nove características dinâmicas específicas, e os resultados obtidos evidenciaram padrões de comportamento variados, fornecendo insights sobre a mutabilidade e a persistência dessas características. Portanto, por meio deste estudo, tornou-se possível discernir características do phishing que demonstraram diferentes níveis de impacto ao longo do tempo. Essa constatação oferece uma base valiosa para a formulação de estratégias anti-phishing mais eficazes, as quais incorporam a análise do cenário temporal e dinâmico das ameaças cibernéticas, reforçando a segurança digital em um ambiente em constante evolução.