Banca de DEFESA: FLÁVIO DA SILVA NEVES

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: FLÁVIO DA SILVA NEVES
DATA : 22/06/2023
HORA: 09:00
LOCAL: Virtual
TÍTULO:

Smart Anonymity: Um Mecanismo para Recomendação de Algoritmos de 
Anonimização de Dados Baseado no Perfil dos Dados para Ambientes IoT

PALAVRAS-CHAVES:

Internet das Coisas. Privacidade. Anonimização de Dados. 
k-anonymity. Segurança. Recomendação.

PÁGINAS: 130
RESUMO:

A Internet das Coisas (IoT) prevê um mundo onde os objetos do dia a dia 
estão conectados à internet, interagindo entre si e com o ambiente ao seu 
redor. A IoT está crescendo rapidamente, e apresenta vários desafios 
relacionados à privacidade dos dados coletados pelos dispositivos. Os dados 
coletados pelos dispositivos IoT são processados para fornecer serviço aos 
seus usuários. Existem inúmeros dispositivos espalhados por vários locais, 
tais como, casas inteligentes, carros, locais públicos, bem como, 
dispositivos que as pessoas usam em seu corpo, como por exemplo smart 
watchs, muitas dessas pessoas usam esses dispositivos sem saber das suas 
reais capacidades. O problema que permeia esta pesquisa é: Não foi 
identificado uma solução para privacidade de dados, baseada em 
anonimização, que seja adaptável para vários ambientes de uso da IoT. 
Diante disto, o objetivo desta pesquisa é desenvolver o Smart Anonymity, 
que é uma solução que recomenda o algoritmo de anonimização de dados mais 
adequado para um conjunto de dados de acordo com suas características. Para 
condução desta pesquisa foi escolhido como método principal o Design 
Science Research (DSR) que é uma abordagem com duplo objetivo: (i) 
desenvolver um artefato para resolver um problema prático em um contexto 
específico e (ii) gerar novos conhecimentos técnicos e científicos. As 
principais contribuições desta pesquisa são: (i) a solução que recomenda 
qual o algoritmo de anonimização de dados é mais adequado para o conjunto 
de dados de acordo com suas características; (ii) criação dos critérios 
para escolha de algoritmos de anonimização baseado nas características dos 
dados; (iii) duas ontologias para dar suporte à classificação dos dados; 
(iv) o uso de Machine Learning para enriquecer a classificação realizada 
pelas ontologias. Os resultados da Revisão Sistemática da Literatura (RSL) 
podem ser considerados contribuições para a comunidade científica, pois 
nela são apresentadas as principais técnicas de anonimização usadas 
atualmente para fornecer privacidade em IoT, bem como os pontos positivos e 
negativos de cada uma. Com base nos resultados das avaliações realizadas no 
decorrer desta tese, é possível concluir que o Smart Anonymity alcançou 
resultados promissores para a classificação e recomendação dos algoritmos 
de anonimização para dados gerados por dispositivos IoT. Ainda com base nas 
nos resultados das avaliações é possível concluir que o uso de Machine 
Learning traz melhorias no processo de classificação dos dados gerados por 
dispositivos da IoT.

MEMBROS DA BANCA:
Presidente - 1890208 - PAULO SALGADO GOMES DE MATTOS NETO
Interna - 1932093 - JESSYKA FLAVYANNE FERREIRA VILELA
Externo à Instituição - FERNANDO ANTONIO AIRES LINS - UFRPE
Externo à Instituição - EDUARDO LUZEIRO FEITOSA - UFAM
Externo à Instituição - PAULO ANTÔNIO LEAL REGO - UFC