RFoT: Um Framework para Garantia da Confiabilidade de Dados na Névoa das Coisas

Nome do aluno

 

Eliabe Nascimento Silva

 

Título do trabalho

 

RFoT: Um Framework para Garantia da Confiabilidade de Dados na Névoa das Coisas

 

Resumo do trabalho

 

Neste trabalho foi desenvolvido um framework composto pela integração de uma rede de Internet das Coisas (do inglês Internet of Things - IoT) com as tecnologias Blockchain e Contratos Inteligentes (do Inglês Smart Contracts - SC), para sanar a vulnerabilidade de segurança contra a manipulação de dados na borda da rede da Internet das Coisas. Seu principal objetivo é tornar a IoT uma fonte confiável ao garantir a automação, imutabilidade, privacidade, disponibilidade e rastreabilidade dos dados. A fim de avaliar a efetividade do framework, foi desenvolvido o conceito de Gêmeos Digitais (do inglês Digital Twins - DT), capaz de representar virtualmente a topologia da Névoa das Coisas (do inglês Fog of Things - FoT), que possibilitou a implementação do framework com auxílio do MININET. Como o objetivo deste trababalho é avaliar a capacidade da IoT como fonte confiável de dados, foi desenvolvido um sistema de Aprendizado de Máquina (do Inglês Machine Learning - ML), utilizando o algoritmo Aprendizado Federado (do inglês Federated Learning - FL) para consumir dados da IoT e realizar o treinamento de uma Rede Neural (do inglês Neural Network - RN), capaz de predizer o conforto térmico de um ambiente, guiado pelo cálculo do Índice de Desconforto Térmico (IDT). Como resultado, foi comprovada a vulnerabilidade de uma IoT convencional mediante a ataques de manipulação, baseados nos dados recebidos pelo sistema consumidor e pela alteração no desempenho de classificação dos modelos. Já o framework, gerou os mesmos resultados no cenário ideal e no cenário de estresse, mostrando que as integrações propostas pelo framework corrigem essa vulnerabilidade e garantem a confiabilidade da informação propagada.

 

Orientador

 

Cássio Prazeres

 

Membro Titular Externo (com afiliação)

 

Vinicius Fernandes Soares Mota (UFES)

 

Link para o curriculum lattes

 

http://lattes.cnpq.br/9305955394665920

 

Membro Titular Interno ou Titular Externo 2 (com afiliação)

 

Bruno Pereira dos Santos

 

Link para o curriculum lattes

 

http://lattes.cnpq.br/0092226104911153

 

Membro Suplente Externo (com afiliação)

 

Maria da Graca Campos Pimentel

 

Link para o curriculum lattes

 

http://lattes.cnpq.br/4962820320879891

 

Membro Suplente Interno ou Suplente Externo 2 (com afiliação)

 

Maycon Leone Maciel Peixoto

 

Link para o curriculum lattes

 

http://lattes.cnpq.br/5003713680310544

 

Data da defesa

 

25 Nov, 2024

 

Horário da defesa

 

8:30 AM

 

Quais os principais impactos deste trabalho (social, tecnológico, científico, ambiental)?

 

Impactos Tecnológicos: A integração de tecnologias como Blockchain e aprendizado de máquina representa um avanço significativo na segurança e eficiência das redes de IoT, promovendo novas aplicações e serviços. O uso de aprendizado federado para treinar redes neurais utilizando dados da IoT destaca uma abordagem inovadora para modelagem preditiva, preservando a privacidade dos dados.
Impactos Científicos: O desenvolvimento de um framework confiável para IoT fornece uma base para futuras pesquisas em segurança e confiabilidade de dados, podendo ser uma referência para outros estudos acadêmicos. Através do uso de gêmeos digitais, o trabalho valida teorias sobre a modelagem e simulação de ambientes complexos, contribuindo para o entendimento teórico em áreas de IoT e sistemas distribuídos.

 

 

Data da Defesa: 
25/11/2024 - 08:30
Tipo de Defesa: 
Defesa de Mestrado