Banca de DEFESA: ANDRÉ VINICIUS SANTOS DE LIMA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: ANDRÉ VINICIUS SANTOS DE LIMA
DATA : 25/06/2026
HORA: 15:30
LOCAL: Virtual
TÍTULO:

Avaliação da Robustez de Redes Neurais Profundas sob Ataques Adversariais em Cenários de Reconhecimento de Sinais Luminosos de Trânsito

PALAVRAS-CHAVES:

Robustez adversarial. Deep learning. Ataques adversariais. Estabilidade.
Constantes de Lipschitz. Sistemas dinâmicos.

 

PÁGINAS: 77
RESUMO:

Este trabalho investiga a robustez de modelos de deep learning frente a ataques adversariais, um dos principais desafios atuais na aplicação segura de redes neurais profundas em cenários críticos. Embora esses modelos apresentem elevado desempenho em tarefas de classificação de imagens, estudos recentes evidenciam sua vulnerabilidade a pequenas perturbações cuidadosamente projetadas, capazes de induzir predições incorretas. Diante desse problema, esta dissertação realiza uma comparação experimental sistemática de técnicas matemáticas provenientes da teoria de sistemas dinâmicos e da análise de estabilidade, tais como discretização temporal, funções de Lyapunov e controle por constantes de Lipschitz, visando analisar sua efetividade na redução da sensibilidade dos modelos a perturbações adversariais. A aplicação desses métodos permite suavizar a dinâmica do modelo e impor restrições estruturais ao espaço de decisão, promovendo maior estabilidade sem comprometer significativamente o desempenho em dados limpos. Além disso, é realizada uma comparação sistemática com quatro abordagens relevantes da literatura recente, envolvendo redes neurais baseadas em Ordinary Differential Equations (ODE), modelos com estabilidade de Lyapunov e arquiteturas com garantias explícitas de Lipschitz. Os resultados obtidos indicam que a incorporação de princípios matemáticos de estabilidade e controle pode contribuir de forma efetiva para o aumento da robustez adversarial, mantendo competitividade em termos de acurácia, reforçando o potencial dessas técnicas para o desenvolvimento de sistemas de aprendizado profundo mais seguros e confiáveis.

MEMBROS DA BANCA:
Externo à Instituição - CÍCERO GARROZI - UFRPE
Interno - 2227903 - RICARDO MARTINS DE ABREU SILVA
Presidente - 1133947 - SILVIO DE BARROS MELO