O Programa de Pós-Graduação em Informática, Mestrado em Ciência da Computação, realiza na próxima semana duas defesas de Dissertações. 

Victor Machado Alves defende sua pesquisa, Seleção de Variáveis de Rede para Detecção de Intrusão, realizada sob a orientação do professor Raul Ceretta Nunes, segunda-feira (22), às 8h30min, na sala 321. A banca examinadora está constituída pelos professores Raul Ceretta Nunes (orientador); Rodrigo da Rosa Righi; Roseclea Duarte Medina; e Ana Trindade Winck (Suplente). 

Resumo: 

Sistemas de Detecção de Intrusão são considerados mecanismos importantes para assegurar a proteção em redes de computadores. Entretanto as informações utilizadas por estes sistemas devem estar devidamente selecionadas, pois a precisão e desempenho são sensíveis à qualidade e dimensão dos dados analisados. A seleção de variáveis para IDS é assim um ponto chave no projeto de IDS. O processo de seleção de variáveis, ou de características, realiza a escolha das informações apropriadas através da remoção de dados irrelevantes que interferem no resul- tado da detecção. No entanto, abordagens existentes para auxiliar IDS selecionam as variáveis apenas uma vez, não se adaptando as mudanças comportamentais. As variações inerentes ao tráfego de rede não são assim acompanhadas dinamicamente por estes selecionadores. Uma estratégia para reduzir a taxa de falsos alarmes em IDS baseados em anomalias é avaliar se num mesmo intervalo de tempo ocorrem mudanças abruptas em mais de uma variável de rede. Porém, esta estratégia assume como hipótese que as variáveis analisadas são correlacionadas, exigindo um procedimento prévio de seleção de variáveis. Este trabalho propõe um método dinâmico de seleção de variáveis para IDS de rede, que opera na modalidade de filtro e utiliza como avaliador o teste de correlação de Pearson. O método é de fácil implementação e adapta-se dinamicamente as variações do tráfego de rede por meio da seleção de novas variáveis a cada iteração com o detector, o que possibilita acompanhar as mudanças nos dados e estabelecer relações entre variáveis. Como resultado, melhora-se a precisão e desempenho do IDS através da eliminação de variáveis desnecessárias e da redução da dimensão dos dados analisados.

Quinta-feira (25), às 14h, também na sala 321, Stephan Hermes Chagas defende sua Dissertação, Localização de Nodos em Redes de Sensores Sem Fio Utilizando Redes Neurais Artificiais e Metaheurísticas. A banca examinadora está composta pelos professores João Baptista dos Santos Martins (orientador), Leonardo Londero de Oliveira; Rolf fredi molz; e Giovani Baratto (suplente). 

Resumo: 

Localização de nodos em redes de sensores sem fio (RSSF) tem importância em diversas aplicações, tais como monitoramento ambiental, robótica, vigilância militar, automação residencial, rastreamento de animais e muitas outras. A percepção da posição espacial pelos elementos da rede é um tema importante uma vez que os dados transmitidos/recebidos pelos nodos podem tornar-se inúteis se desprovidos dessa informação. Este procedimento é especialmente delicado quando a aplicação tem fortes restrições de energia, o que é situação comum em aplicações de RSSF. O uso de abordagens sem GPS é, então, necessário para fornecer um sistema de baixo custo e energeticamente eficiente. Métodos que usam informação indireta tal como RSSI (do inglês, Received Signal Strength Indicator) são utilizados para este tipo de aplicação. Este trabalho apresenta uma abordagem para o problema de localização de nodos em RSSF utilizando Redes Neurais Artificiais (RNAs) com estruturas otimizadas através das metaheurísticas Algoritmos Genéticos (AGs) e Simulated Annealing (SA). No AG, uma população composta por diversas RNAs é criada inicialmente, na qual cada indivíduo tem suas características estruturais principais codificadas em um código genético. A cada geração, os indivíduos são avaliados através do treinamento das RNAs e posterior cálculo da raiz do erro quadrático médio (REQM) para todo o conjunto de teste. De forma similar, a otimização é realizada com SA para melhorias sucessivas em um indivíduo (estrutura da RNA).

Uma abordagem utilizando a concatenação de duas RNAs também foi proposta. Uma rede tem sua estrutura otimizada e parâmetros treinados para determinar a posição dos nodos e, em sequência, uma rede auxiliar é utilizada para corrigir o erro da primeira.

Em todos os estudos, as medições de RSSI foram utilizadas como entradas para as RNAs visando localizar nodos. Os métodos foram testados usando o simulador de redes sem fio probabilístico chamado Prowler, que é baseado no software MatLab, para coletar os dados de entrada de um ambiente de rede estático interno. O ambiente de testes foi de 26×26 metros com quantidade e posições variadas para os âncoras, i.e., nodos com percepção de suas posições. Simulações com diferente número de nodos-treino também foram realizados. As ferramentas de algoritmos genéticos e RNAs do MatLab foram utilizadas.

O melhor resultado obteve REQM de 0,23 metro, um erro máximo de 0,65 metro e um erro mínimo de 0,014 metro, utilizando 3 nodos-âncora e 64 nodos-treino.