No dia 25 de janeiro de 2024, Jonathas Alves de Oliveira, estudante do Programa de Pós-Graduação Profissional em Engenharia Elétrica (PPEE), defendeu sua dissertação intitulada “F-NIDS — SISTEMA DE DETECÇÃO DE INTRUSÃO BASEADO EM APRENDIZADO FEDERADO”.
A dissertação aborda os desafios crescentes enfrentados pelos sistemas de detecção de intrusão de rede (NIDS) distribuídos devido à expansão das redes de IoT, que trazem preocupações relacionadas à escalabilidade e segurança, especialmente no que diz respeito à privacidade dos dados. Embora tenha havido avanços na abordagem desses desafios, ainda persistem questões sobre como equilibrar desempenho e robustez para garantir a privacidade de forma distribuída. Além disso, há a necessidade de desenvolver arquiteturas confiáveis e escaláveis para NIDS distribuídos, adequadas para diferentes cenários de IoT. Para abordar essas questões, propõe-se o FNIDS, um detector de intrusão que utiliza inteligência artificial federada e técnicas de comunicação assíncrona entre as entidades do sistema, visando escalabilidade horizontal, juntamente com técnicas de privacidade diferencial para garantir a confidencialidade dos dados. A arquitetura do F-NIDS foi projetada para ser adaptável a redes de IoT, podendo ser utilizada em ambientes baseados em nuvem ou neblina. Os resultados dos experimentos realizados demonstraram que o modelo de detecção empregado no F-NIDS conseguiu prever e determinar a natureza dos ataques com precisão. Para determinar os parâmetros ideais que equilibram privacidade e desempenho, foram empregadas três estratégias, cada uma avaliada quanto ao seu desempenho de robustez correspondente.
A banca examinadora, composta por João José Costa Gondim, Miguel Elias Mitre Campista e Vinícius Pereira Gonçalves, destacou a relevância da proposta e sua aplicabilidade prática.
Jonathas Alves de Oliveira já teve outras produções intelectuais publicadas, como o artigo: OLIVEIRA, J.; MENEGUETTE, R.; GONÇALVES, V.; JR., R. S.; GUIDONI, D.; OLIVEIRA, J.; FILHO, G. R. F-NDIS – Sistema de Detecção de Intrusão Descentralizado baseado em Aprendizado Federado. Anais do XLI Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos. Porto Alegre, RS, Brasil: SBC, 2023. p. 29–42. ISSN 2177-9384. Disponível em: <https://sol.sbc.org.br/index.php/sbrc/article/ view/24527>; OLIVEIRA, J. A.; GONÇALVES, V. P.; 4 MENEGUETTE, R. I.; de Sousa, R. T.; GUIDONI; D. L.; OLIVEIRA, J. C.; Rocha Filho, G. P. F-NIDS — A Network Intrusion Detection System based on Federated Learning. Computer Networks, v. 236, p. 110010, 2023. ISSN 1389-1286. Disponível em: https://www.sciencedirect.com/science/artic le/pii/S1389128623004553>
Sobre sua experiência no PPEE, Jonathas declarou: “Foi uma experiência única na minha vida. Amadureci em vários aspectos, tive que lidar com minhas inseguranças e enfrentar meus medos para conseguir elaborar a dissertação e defendê-la. Graças à colaboração e à paciência do meu orientador e da secretaria, além do apoio da família e amigos, pude ter sucesso. Sinto que o impacto da dissertação foi bastante positivo, recebendo bons feedbacks tanto da comunidade científica na ocasião da publicação dos artigos quanto dos membros da banca durante a defesa. Após muitos meses de pesquisa e aperfeiçoamento da proposta, acredito que esse trabalho contribuiu com conceitos, técnicas e métodos para tornar sistemas de segurança baseados em inteligência artificial mais escaláveis e robustos para lidar com diversas cargas de trabalho. ”
O trabalho completo de Jonathas Alves de Oliveira está disponível na página “Produção Discente” no site do Programa. Parabenizamos o esforço do discente e desejamos sucesso em sua trajetória acadêmica.
