Banca de DEFESA: PAULO VICTOR FERREIRA FALCAO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: PAULO VICTOR FERREIRA FALCAO
DATA : 28/08/2025
HORA: 09:00
LOCAL: Virtual
TÍTULO:

A semi-supervised learning approach with data drift detection to
deal with ransomware

PALAVRAS-CHAVES:

Ransomware Detection. Semi-Supervised Learning. Machine
Learning. Data Drift.

 

PÁGINAS: 80
RESUMO:

O ransomware é conhecido por criptografar arquivos no dispositivo infectado
e exigir o pagamento de um resgate para devolver o acesso ao proprietário.
Essa ameaça cibernética escalou para proporções significativas devido a
algumas condições favoráveis, como métodos de pagamento anônimos
facilitados, maior confiança das instituições na infraestrutura digital,
ampla disponibilidade de ransomware fáceis de usar, entre outros. O
resultado desse crescimento foi a ocorrência de ataques a instituições de
diversas áreas. Em um estudo recente, foi constatado que 50% das empresas
infectadas levam, em média, uma semana para se recuperar de um ataque,
enquanto 97% se recuperam totalmente após 21 dias. Entre as organizações
atacadas, 49% pagaram o resgate, e as que não pagaram tiveram custos, no
processo de recuperação, que, somados, às vezes eram iguais ou até
superiores ao valor exigido pelos atacantes. Portanto, a proteção contra
esse tipo de ameaça não pode ser subestimada. Enquanto as empresas devem
instruir os funcionários sobre como evitá-lo e seus possíveis métodos de
infecção, também precisam estar preparadas para lidar com infecções reais.
Uma das formas de lidar com o ransomware, dada a infecção, é detectá-lo.
Esta dissertação apresenta uma visão geral dos cenários de análise de
detecção de ransomware e também faz contribuições para a abordagem base dos
problemas de detecção de ransomware. Ao tentar detectá-lo, uma das
primeiras dificuldades enfrentadas é lidar com seu rápido e contínuo
desenvolvimento. Assim, os modelos podem se tornar ineficazes e os
conjuntos de dados desatualizados rapidamente. Para superar essas
dificuldades, propõe-se uma abordagem semi-supervisionada combinada com
detecção de desvio de dados. O modelo semi-supervisionado pode aliviar a
necessidade de um conjunto de dados totalmente rotulado sempre que novos
tipos de ransomware forem lançados. Além disso, a detecção de desvio de
dados pode identificar quando essa nova atualização é necessária. Assim, os
modelos poderiam ser atualizados mais rapidamente e manter uma alta taxa de
detecção. Essa proposta utilizou o modelo Relevant Random Subspace method
for Co-training (Rel-RASCO) devido à sua leveza e eficácia, e foi avaliada
utilizando dois conjuntos de dados públicos de análise dinâmica. Os
resultados mostraram que o método proposto alcançou uma taxa de detecção
semelhante nas métricas utilizadas, superando, em alguns casos, a maioria
dos resultados de outros trabalhos, mesmo utilizando menos da metade dos
dados rotulados.

 

MEMBROS DA BANCA:
Externo à Instituição - PAULO MAURICIO GONÇALVES JUNIOR - IFPE
Presidente - 2133463 - ROBERTO SOUTO MAIOR DE BARROS
Externo à Instituição - SILAS GARRIDO TEIXEIRA DE CARVALHO SANTOS - OUTRA