Eventos
DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 288
Aluno: Júlio Cesar da Silva
Título: “Desenvolvimento de uma Ontologia para abordar a Técnica de Phishing em Delitos Informáticos: Uma contribuição à Segurança Pública"
Orientador: Sidney Marlon Lopes de Lima - (PPGEC)
Coorientadora: Maria Lencastre Pinheiros de Menezes e Cruz - (PPGEC)
Examinadora Externa: Paloma Mendes Saldanha - (UNICAP)
Examinador Interno: Cleyton Mário de Oliveira Rodrigues - (PPGEC)
Data-hora: 07 de Fevereiro de 2024, às 09:00h.
Local: Formato Remoto - Google Meet.
Resumo:
“Nos últimos anos, o cenário dos cibercrimes, particularmente a técnica de Phishing, tem ganho destaque na estrutura judiciária brasileira. Historicamente, o Brasil hesitou em aderir a tratados internacionais, como é o caso da Convenção de Budapeste, da qual só se tornou signatário em 2023. Durante as últimas duas décadas, o país desenvolveu e promulgou várias leis específicas, incluindo a lei de Crimes Cibernéticos (12.737/2012) e a lei que torna mais graves os crimes de violação de dispositivo informático (14.155/2021). Porém uma lacuna clara é a falta de padronização nas respostas dos órgãos públicos quanto a crimes cibernéticos, ao serem questionados sobre o tema. Essa falta de uniformidade dificulta o desenvolvimento e implementação de ferramentas eficazes, como ontologias que possam contribuir com a segurança pública, que seriam essenciais para combater cibercrimes. Nesse contexto, o presente trabalho tem como objetivo principal apresentar uma avaliação detalhada da estrutura judiciária brasileira, com foco no combate aos crimes que utilizam a técnica de Phishing. A pesquisa não visa apenas entender a situação atual, mas também propor uma ontologia que possam contribuir com a segurança pública, integrando aspectos jurídicos e tecnológicos. Solicitamos dados aos órgãos de segurança pública do Nordeste brasileiro. Encontramos lacunas que demonstram a não conformidade com a Lei de Acesso à Informação. Além disso, o Marco Civil da Internet não é utilizado pelos órgãos de segurança estaduais. Como resultado, propomos um modelo conceitual, posteriormente formalizado em uma Ontologia. Ao oferecer uma arquitetura estruturada e adaptável, a presente ontologia visa ajudar a combater fraudes que utilizam a técnica de Phishing. Essa abordagem, que integra a estrutura judicial brasileira, promove uma sinergia entre as esferas técnica e jurídica, aprimorando os esforços de prevenção e resposta a esses ataques. Com a implementação de uma ontologia robusta e a cooperação entre os diversos setores envolvidos, é possível não apenas responder às ameaças atuais de forma eficaz, mas também antecipar e mitigar riscos futuros, possibilitando a segurança e o bem-estar da segurança contemporânea.”
DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 287
Aluna: Aline Cavalcante Santana
Título: “OntoTurnover: Uma Abordagem Ontológica para Compreender a Rotatividade de Profissionais"
Orientador: Cleyton Mário de Oliveira Rodrigues - (PPGEC)
Coorientador: Ivaldir Honório de Farias Júnior - (PPGEC)
Examinador Externo: Alberto César Cavalcanti França - (UFRPE/CESAR School)
Examinador Interno: Wylliams Barbosa Santos - (PPGEC)
Data-hora: 06 de Fevereiro de 2024, às 15:00h.
Local: Formato Remoto e Presencial.
Resumo:
O turnover (ou rotatividade, em português) possui grande relevância no meio da Gestão de Pessoas devido aos impactos prejudiciais que causa às empresas, e por isso hoje é o tema mais extensamente estudado da área, com mais de 100 anos de publicações disponíveis. No entanto, apesar da volumetria de obras, o turnover permanece como um tema que ainda não é totalmente consolidado, especialmente no que tange às suas causas e consequências, fragilizando as possibilidades de prevenção e predição do tema. Dessa forma, o presente trabalho explora o conceito de Ontologia para atender à necessidade de explicitação do tema da rotatividade profissional através da criação da OntoTurnover. Ontologia é um termo emprestado do campo da Filosofia sob a ideia de um estudo extenso e sistematizado de um domínio, e ganhou um corpo adicional na Computação à medida que explicita esse domínio através dos seus conceitos, relações, papéis e axiomas, de modo que sejam facilmente racionalizados por agentes humanos e computacionais. Nesta linha, a OntoTurnover é uma ontologia sobre a rotatividade de profissionais criada no percurso deste trabalho, detalhando todo o esqueleto temático de maneira formal e visual, a fim de promover uma tomada de decisão facilitada sobre o tema. Para tal, foi conduzida uma Revisão Rápida da Literatura que consolidou o tema e permitiu, na sequência, a validação conceitual das conclusões obtidas na revisão por profissionais especializados no tema. Após esta avaliação, foi feita a construção gráfica e formal da ontologia através da methontology e dos softwares OntoUML e Protegé. Entre essas fases de elaboração, este modelo ontológico passou por quatro fases de avaliação: a primeira sendo uma validação conceitual com especialistas, já mencionada; em seguida, uma verificação dos estereótipos dos conceitos e da coerência semântica do modelo segundo os moldes da UFO (Unified Foundational Ontology), no software OLED; a terceira, uma validação lógica do modelo no reasoner do Protegé, para averiguar a lógica na construção e poder de inferência; e, por último, em estudos de caso com casos reais de turnover usando o Protegé. Estas verificações trouxeram insumos para a construção da OntoTunover e nos permitindo concluir que este modelo já tem viabilidade para a compreensão de casos reais de turnover e apoio na visualização das causas e consequências para o mundo prático.
Divulgação - DEFESA DE TESE DE DOUTORADO Nº 12
Aluna: Maíra Araújo de Santana
Título: “Modelagem espaço-temporal de doenças infecciosas: uma abordagem de aprendizado de máquina”
Orientador: Wellington Pinheiro dos Santos - (PPGEC)
Examinadora Externa: Giselle Machado Magalhães Moreno - (UFPE)
Examinadora Externa: Juliana Carneiro Gomes - (UFPE)
Examinadora Externa: Cristine Martins Gomes de Gusmão - (UFPE)
Examinadora Interna: Patrícia Takako Endo - (PPGEC)
Data-hora: 05 de Fevereiro de 2024, às 09:00h.
Local:Formato Remoto – Google Meet
Resumo:
As doenças infecciosas, que incluem, também, as doenças tropicais negligenciadas (DTNs), de acordo com a Organização Mundial de Saúde (OMS), são uma das principais causas de morte, principalmente, em populações marginalizadas, tornando-as um grande desafio de saúde pública a nível global. Estima-se que, só as DTNs, causam cerca de 700.000 mortes por ano, principalmente, nas regiões tropicais e subtropicais. Em 2020, com a pandemia da COVID-19, suscitaram-se novos desafios para erradicação das DTNs para regiões de endemia, onde ocorrem surtos recorrentes, pois, além da sobrecarga dos serviços de saúde, a COVID-19 impactou negativamente as políticas de controle e prevenção das DTNs, dificultando o seu gerenciamento. Em contextos como esse, é importante que as autoridades de saúde mantenham o trabalho de monitoramento e vigilância epidemiológica de novas doenças e de doenças que já são endêmicas em um determinado território para evitar sobrecarga dos serviços de saúde. Os sistemas de predição podem atuar como uma ferramenta de apoio à tomada de decisão nas políticas de prevenção de doenças infecciosas. Neste sentido, vários grupos de pesquisas direcionaram seus esforços para construir modelos preditivos para doenças infecciosas, visto que essas ferramentas podem auxiliar na implementação de políticas de prevenção. No entanto, grande parte dos modelos construídos utilizam apenas uma abordagem temporal para a predição de casos confirmados da doença. Apesar de sua importância, esses modelos não deixam explícito quais são as regiões mais afetadas ou menos afetadas. Considerando este cenário, o objetivo dessa pesquisa é a construção de um modelo de predição espaço-temporal para auxiliar as autoridades de saúde na prevenção de doenças infecciosas, notadamente, as arboviroses e a COVID-19. Para o as arboviroses, foram elaborados modelos preditivos dos mapas de distribuição dos criadouros do Ae. aegypti, para a cidade do Recife, a partir dos dados dos criadouros do mosquito e das variáveis climáticas (chuva, temperatura e velocidade dos ventos), utilizando algoritmos de aprendizado de máquina. Para a COVID-19 os modelos preditivos foram gerados a partir dos casos confirmados, no Brasil e em Pernambuco, utilizando algoritmos de algoritmos de aprendizagem de máquina. Para as duas situações, foram avaliados os algoritmos de regressão linear, Random Forest, redes neurais artificiais e máquinas de vetores de suporte. De acordo com os resultados dos experimentos, observa-se que a modelagem espaço-temporal utilizando técnicas de geoprocessamento e aprendizado de máquina, no geral, é capaz de prever a distribuição espacial dos criadouros do mosquito Aedes aegypti na cidade do Recife, bem como prever a distribuição espaço-temporal dos casos de COVID-19 no Brasil e em Pernambuco. Os modelos gerados contêm informações geográficas grande interesse epidemiológico e podem ser uma ferramenta de apoio para os gestores de saúde no planejamento e implementação de políticas públicas tanto para a prevenção de arboviroses quanto para a prevenção da COVID-19.
O Programa
