A segurança em sistemas de Computação de Alto Desempenho (HPC) tem se tornado um tema central diante do avanço das infraestruturas distribuídas e do aumento do compartilhamento de dados científicos sensíveis. Este trabalho propõe e avalia um modelo de autenticação segura baseado em certificados digitais emitidos por uma autoridade certificadora interna (SSH-CA), aliado à autenticação multifator (2FA), aplicado a um cluster multiusuário de HPC. O estudo parte de um diagnóstico de vulnerabilidades em um ambiente que utilizava chaves estáticas e avança para a implementação de uma arquitetura federada, inspirada em diretrizes de segurança da NIST e em práticas adotadas em infraestruturas científicas internacionais. A metodologia combina mapeamento bibliográfico sistematizado e experimentação prática, integrando princípios de identidade federada, proveniência científica e criptografia pós-quântica. Os resultados indicam que a substituição de credenciais persistentes por certificados efêmeros melhora significativamente a rastreabilidade e reduz riscos associados à exposição de chaves, mantendo impacto mínimo sobre o desempenho operacional. A integração com autenticação de segundo fator reforça o controle de acesso e a revogabilidade de certificados, enquanto o monitoramento contínuo de logs e fluxos SSH permitem auditoria e detecção de anomalias em tempo real. A análise comparativa demonstra que abordagens de identidade federada e autenticação adaptativa podem ser incorporadas de forma incremental a clusters já em operação, sem comprometer latência, throughput ou escalabilidade. Conclui-se que a aplicação de padrões de segurança compatíveis com as recomendações da NIST, em especial os referentes a controle de acesso, gestão de credenciais e governança de identidade, é viável e benéfica para ambientes HPC modernos. O trabalho contribui para o amadurecimento da discussão sobre segurança em supercomputação, propondo um referencial técnico que une desempenho, rastreabilidade e confiança digital em ecossistemas científicos distribuídos.

O crescimento exponencial das ameaças cibernéticas direcionadas a Infraestruturas Críticas intensificou o problema da sobrecarga informacional nas operações de Inteligência de Ameaças Cibernéticas (Cyber Threat Intelligence – CTI). Embora a CTI seja amplamente adotada como uma capacidade proativa de cibersegurança, sua efetividade é frequentemente limitada por práticas indiscriminadas de coleta de dados, que sobrecarregam os analistas e enfraquecem a relevância estratégica das informações produzidas. Esse desafio é particularmente crítico no Sistema Financeiro Nacional (SFN), onde os arcabouços regulatórios exigem que as atividades de cibersegurança estejam explicitamente alinhadas aos perfis de risco institucionais e sustentadas por mecanismos de governança auditáveis. Esta dissertação propõe uma metodologia estruturada para a fase de Direção e Planejamento do Ciclo de Inteligência, com o objetivo de reduzir o ruído informacional e alinhar a produção de inteligência aos requisitos regulatórios e operacionais. A metodologia é fundamentada na doutrina clássica de inteligência e organizada em cinco etapas:  Alinhamento Estratégico dos ativos críticos, Mapeamento de Ameaças, definição de Requisitos Prioritários de Inteligência (Priority Intelligence Requirements – PIRs), formulação de Requisições de Informação (Requests for Information – RFIs) e desenvolvimento de um Plano de Coleta orientado à auditoria, baseado no framework 5W3H. A abordagem proposta foi implementada por meio de uma camada de automação integrada à plataforma OpenCTI, traduzindo requisitos de inteligência em nível de governança em regras determinísticas de filtragem. Um estudo de caso conceitual, utilizando fontes reais de inteligência de ameaças de código aberto, demonstrou uma redução de ruído de 99,58\%, reduzindo um conjunto inicial de 216.208 objetos para 903 artefatos de inteligência de alta relevância para o SFN. Os resultados comprovam que a harmonização dos requisitos de inteligência com as necessidades institucionais e o arcabouço normativo vigente eleva a relevância das informações produzidas, garante a conformidade auditável e redireciona as operações de CTI da triagem exaustiva de Indicadores técnicos efêmeros para uma inteligência estratégica focada em comportamentos adversários e na tomada de decisão.

A crescente complexidade da atuação jurídica institucional exige soluções tecnológicas capazes de integrar automação, comunicação eficiente e suporte inteligente à tomada de decisão. Nesse contexto, a Procuradoria Geral da Fazenda Nacional (PGFN) opera em um ambiente caracterizado por grande volume de processos, documentos normativos, pareceres e dados fiscais, no qual a recuperação eficiente da informação torna se elemento crítico para a qualidade da atuação jurídica e para a coerência institucional. Esta dissertação propõe o ChatORION Otimizador de Rotinas Inteligentes para Operações no Contencioso Nacional, uma solução de Inteligência Artificial Generativa baseada na arquitetura Retrieval Augmented Generation. O sistema combina mecanismos de busca semântica por similaridade vetorial com geração textual condicionada por modelos de linguagem de grande porte, produzindo respostas fundamentadas em documentos institucionais. O objetivo é ampliar a eficiência informacional ao reduzir ambiguidades e inconsistências factuais típicas de modelos puramente generativos. Os resultados demonstram a existência de um regime ótimo de operação capaz de equilibrar qualidade informacional e custo computacional, evidenciando que o desempenho depende da interação entre recuperação estruturada e geração de linguagem, e não apenas da capacidade do modelo. Os experimentos indicam que o ChatORION melhora a acurácia factual, reduz a latência média de resposta e aumenta o nível de detalhamento quando comparado a modelos generativos isolados. Tais resultados sugerem potencial para redução do tempo dedicado à triagem processual, localização de fundamentos jurídicos e análise documental, permitindo que os procuradores concentrem esforços em atividades de maior complexidade.

Nos últimos anos, as instituições de ensino superior se tornou alvo frequente de ataques cibernéticos, comprometendo a confiabilidade, integridade e a disponibilidade de dados acadêmicos, administrativos e científicos. A complexidade dos ambientes universitários, marcada pela diversidade de usuários, dispositivos conectados e sistemas heterogêneos, amplia significativamente a superfície de ataque e exploração de vulnerabilidade pelos agentes criminosos. Para integrar e consolidar os resultados metodológicos encontrados na literatura, adotou-se a Teoria do Enfoque Meta-Analítico Consolidado (TEMAC) como ferramenta de apoio à revisão sistemática. As buscas foram realizadas nas bases Web of Science e IEEE Xplore, abrangendo publicações entre 2021 e 2025, utilizando como palavras-chave phishing, ransomware, ataques DDoS, malware, instituições de ensino superior e detecção. Inicialmente, foram coletados 400 artigos na Web of Science e 355 na IEEE Xplore, totalizando 755 registros. Após o processo de concatenação e remoção de duplicidades, 49 artigos foram excluídos, resultando em 706 trabalhos considerados relevantes para análise. O estudo destacou cinco artigos com maior impacto em citações e outros sete que apresentaram soluções técnicas aplicáveis à mitigação de ataques cibernéticos em ambientes universitários, totalizando 52 referências essenciais para a fundamentação teórica e metodológica do trabalho. Os resultados reforçam a necessidade de adoção de modelos de segurança mais robustos e adaptativos, capazes de responder à natureza multifacetada das ameaças digitais nas instituições de ensino superior.

Esta dissertação investiga estratégias para detecção de informações pessoalmente identificáveis (PII) em código-fonte Java, com foco na identificação de valores explícitos de dados pessoais em nível de entidade. O estudo compara três arquiteturas sob condições controladas: uma abordagem baseada em classificadores Transformer, uma arquitetura híbrida na qual um modelo de linguagem de grande porte (Large Language Models - LLM) atua como juiz contextual sobre candidatos gerados por classificadores, e uma abordagem LLM-only baseada em extração estruturada. A avaliação utiliza um conjunto sintético de trechos Java anotados, critérios comuns de comparação, value-level matching e métricas microagregadas de precisão, recall e F1-score. Os resultados indicam que o ensemble de classificadores apresenta maior cobertura, mas aumenta a carga de falsos positivos; a arquitetura híbrida eleva a seletividade, porém reduz substancialmente o recall ao descartar parte dos verdadeiros positivos; e a abordagem LLM-only, quando combinada com validação, sanitização e normalização determinísticas, apresenta o melhor equilíbrio entre precisão e recall nas condições avaliadas. O trabalho contribui com evidências empíricas e um arcabouço experimental reprodutível e auditável para apoiar a análise de código sensível à privacidade.

Muitos datasets usados na avaliação de NIDS baseados em aprendizado de máquina ainda combinam tráfego benigno pouco realista, rotulagem pouco auditável e partições estáticas que podem superestimar o desempenho dos detectores. Esta dissertação propõe e avalia, por meio de um estudo de caso controlado, uma metodologia reprodutível e auditável para construção de datasets realistas baseados em fluxos de rede, orientada à análise de detectores de anomalia sob deriva temporal. A metodologia integra coleta de tráfego benigno real em NetFlow/IPFIX, injeção controlada de ataques, extração e discretização de atributos, rotulagem assistida, separação temporal em T1, T2 e T3 e diagnóstico distribucional por PSI e Distância de Wasserstein. Como estudo de caso, aplicou-se o Energy-based Flow Classifier (EFC) em configuração oneclass. Os resultados indicaram alto recall global e desempenho desigual entre syn flood e aggressive scan. Uma auditoria de proveniência revelou que o aumento agregado de falsos positivos em T3 decorreu majoritariamente de tráfego de retorno do ataque na fronteira de rotulagem, ao passo que a deriva T1–T3 entre períodos comerciais equivalentes, de magnitude moderada porém consistente, manteve-se evidenciada pelo diagnóstico distribucional sobre o tráfego benigno e pela taxa de falsos positivos depurada. A comparação com Isolation Forest e PCA mostrou que a ordenação dos modelos depende do regime de calibração, prospectivo ou retrospectivo. Os achados reforçam a utilidade da metodologia para revelar instabilidades temporais, diferenças por tipo de ataque e riscos do uso exclusivo de métricas agregadas, delimitando seu alcance ao contexto experimental avaliado.

A proliferação de botnets baseadas na Internet das Coisas (IoT), da qual a família Mirai é o exemplo mais expressivo, exige defesas de borda capazes de conter ataques volumétricos em segundos. As Redes Definidas por Software (SDN, do inglês Software-Defined Networking) oferecem essa capacidade ao centralizar o controle da rede. A eficácia dessa reação, porém, pressupõe uma condição raramente examinada pela literatura: a de que as regras emitidas pelo controlador sejam executadas, de forma íntegra e tempestiva, pelo hardware que as recebe. Esta dissertação demonstra, em ambiente Hardware-in-the-Loop que integra o controlador ONOS a um switch comercial, que essa condição falha sob estresse volumétrico. A falha materializa-se nas regras órfãs: regras de bloqueio que o controlador considera removidas, mas que persistem na memória TCAM do equipamento e continuam a descartar tráfego legítimo de forma silenciosa. Para restaurar a consistência entre os planos, propõe-se o orquestrador DDSO (DDoS SDN Orchestrator), que audita os contadores do hardware em malha fechada por meio de um verificador de estado (State Checker) e adapta a âncora do bloqueio, escalando do endereço IP para o endereço físico quando há evidência de origem forjada. A validação abrangeu quatro vetores de inundação da família Mirai (SYN, ACK, GRE e UDP), com trinta repetições por condição e intervalos de confiança de 95%. A defesa reduziu o tempo em que o alvo permanece sob ataque (tempo de exposição) entre 91,8% e 96,7%, conforme o vetor. No cenário de origem forjada, em que o bloqueio convencional por endereço IP reduziu a exposição em apenas 1,0%, a escalada para o endereço físico alcançou 96,7%. Conclui-se que a viabilidade operacional da defesa SDN em equipamentos comerciais depende menos da velocidade com que o controlador decide e mais da garantia de que cada decisão se concretize no plano de dados, garantia que os mecanismos propostos asseguram exclusivamente em software, sem modificação do equipamento.

A inteligência artificial (IA) introduz riscos que ultrapassam a segurança técnica e exigem arranjos institucionais de direcionamento, responsabilização, supervisão, gestão de riscos e conformidade. Este estudo analisou como e em que medida as medidas do Programa de Privacidade e Segurança da Informação (PPSI 2.0) contribuem para o tratamento dos riscos de Governança, Gestão e Conformidade associados à IA na Administração Pública Federal brasileira. Foi realizada uma pesquisa documental aplicada, com abordagem predominantemente qualitativa. Ao todo, 158 registros extraídos de referenciais técnicos e normativos selecionados foram normalizados em 87 cenários de risco e organizados por meio de uma taxonomia multidimensional. O recorte analítico compreendeu 14 riscos de Governança, Gestão e Conformidade, cujas necessidades de tratamento foram individualmente confrontadas com as 210 medidas do PPSI 2.0, mediante o método Supportive Relationship Mapping. Entre os 2.940 pares possíveis, foram identificadas 377 relações de apoio, com densidade de 12,8\%, envolvendo 124 medidas e 23 dos 26 controles do PPSI 2.0. Os resultados demonstram que o framework oferece apoio distribuído e predominantemente contextual, por meio de capacidades relacionadas ao direcionamento institucional, à gestão de riscos, à conformidade, à responsabilização, à proteção de dados, aos registros de auditoria, à gestão de fornecedores e à resposta a incidentes. Entretanto, todos os riscos analisados conservaram necessidades de tratamento específicas para IA, especialmente quanto à autoridade decisória, aos usos permitidos e proibidos, à supervisão humana, à avaliação independente, aos inventários integrados, à governança do ciclo de vida, à adequação dos dados, ao monitoramento da deriva de modelos e à conformidade específica para IA. Conclui-se que o PPSI 2.0 constitui uma base institucional relevante, porém não autossuficiente, para a governança dos riscos associados à IA. Sua aplicação requer contextualização, integração a referenciais especializados em governança de IA e orientações complementares. Os achados representam contribuições documentais e conceituais, sem demonstrar implementação, efetividade operacional ou redução do risco residual.

A transição para Redes Veiculares Ad-Hoc (VANETs) 6G exige inteligência descentralizada na borda por meio do Aprendizado Federado (FL) (1, 2). No entanto, o FL é comprometido pela heterogeneidade de dados Não-IID, ataques maliciosos de envenenamento e emulações virtuais avançadas, como o ataque Smart Sybil (3, 4, 5). Paralelamente, a implantação de modelos contínuos de IA em processadores digitais convencionais impõe severas restrições energéticas devido ao gargalo de von Neumann (6, 7). Esta dissertação propõe um framework de Sinergia Lógico-Material que desacopla a otimização federada digital da inferência física analógica (8, 5). No nível lógico, o framework utiliza o algoritmo FedProx e o Sentinel-Flow — um mecanismo de atestação comportamental ativa usando fluxos canários out-of-band — para mitigar o Client Drift e os ataques de escalonamento de pesos (weight scaling) (9, 10, 5). No nível físico, emprega a Computação Analógica em Memória (CIM) por meio de matrizes crossbar de Memória de Mudança de Fase (PCM) (11, 12). O substrato PCM fornece inferência de energia ultrabaixa e atua como uma Função Fisicamente Não-Clonável (PUF) Analógica, utilizando sua estocasticidade de fabricação intrínseca para bloquear irrevogavelmente identidades virtuais forjadas (13, 14, 5). Resultados de emulação termodinâmica demonstram que a defesa híbrida suprime a Taxa de Sucesso do Ataque (ASR) para um valor residual de 2,53% e restaura a acurácia global para 98,30% (5). Além disso, uma avaliação holística do ciclo de vida formaliza o “Paradoxo Energético” na borda: enquanto a CIM Analógica reduz a energia computacional local em mais de 70% (de 52,79 J para 14,78 J), o overhead de rádio 5G exigido para a sincronização federada de pesos permanece estático em 37,31 J, emergindo como o gargalo dominante em ecossistemas distribuídos de IA Verde (15, 16, 17).

Esta dissertação investigou o estado de vulnerabilidade da Administração Pública Federal (APF) brasileira frente a ataques de spoofing de e-mail, problema que compromete a autenticidade das comunicações institucionais e favorece a personificação de entidades estatais em campanhas de phishing. Partiu-se da constatação de uma lacuna de conhecimento sobre a implementação dos mecanismos de autenticação SPF, DKIM e DMARC nos domínios governamentais e objetivou-se auxiliar na mitigação da vulnerabilidade, com fins de ampliar a resiliência cibernética das infraestruturas críticas e a proteção de conhecimentos sensíveis de interesse do Estado e da sociedade. Adotou-se pesquisa aplicada, quantitativa, de caráter censitário e desenho prospectivo-longitudinal, com dezoito coletas mensais — realizadas entre fevereiro de 2025 e julho de 2026 — dos registros DNS dos 281 domínios da APF que operam correio eletrônico. Para tanto, desenvolveu-se a ferramenta StopEmailSpoofing, que automatiza a coleta, classifica a vulnerabilidade e fornece sugestões de correção. Ao longo do período, conduziram-se ações de mitigação institucionais — em parceria com os órgãos públicos federais competentes — e individualizadas — por meio do envio direto de alertas aos órgãos em situação vulnerável. Os resultados evidenciaram que a proporção de domínios vulneráveis caiu de 64,8% para 34,2%, ganho que correlacionou-se temporalmente às intervenções realizadas. Destaca-se, ainda, que o repasse de achados parciais ao PNPC da ABIN culminou na atualização e republicação, pelo CTIR Gov, da Recomendação nº 06/2025, que considerou os parâmetros técnicos desta pesquisa e converteu-os, ainda que indiretamente, em um padrão de conformidade obrigatório para toda a APF, ampliando o alcance das contribuições deste trabalho. Conclui-se que o objetivo geral foi atingido, restando ainda expostos 96 dos 182 domínios inicialmente vulneráveis, resíduo que se mostrou majoritariamente refratário às sucessivas ações de mitigação executadas. Entre as contribuições, destacam-se a disponibilização em código aberto da ferramenta desenvolvida e o desdobramento normativo que transformou os parâmetros da pesquisa em padrão de conformidade para a APF. Como principal limitação, aponta-se o enfoque dado apenas à perspectiva do domínio remetente — não abrangendo o igualmente relevante comportamento do servidor destinatário — restrição esta que pode ser abordada em trabalhos futuros.

O emprego de Grandes Modelos de Linguagem (LLMs) em tarefas analíticas complexas apresenta desafios inerentes, como a propensão a alucinações factuais e a perda de informações em contextos extensos (fenômeno lost-in-the-middle). Para mitigar essas limitações no escopo de análise e coleta para apoio à inteligência estratégica, este trabalho apresenta um pipeline de Inteligência Artificial estruturado sob a metodologia Design Science Research (DSR). O artefato desenvolvido operacionaliza o Ciclo de Inteligência da OTAN por meio de uma arquitetura agêntica de seis etapas, utilizando a metodologia 5W3H para decompor consultas do usuário e separar o planejamento tático da execução textual. As principais contribuições da arquitetura incluem um motor de RAG Híbrido Agêntico, que integra bases relacionais, vetoriais e grafos de conhecimento, e a estratégia Hierarchical Chain-of-Density (H-CoD), que combina planejamento prévio de tópicos com densificação iterativa. O sistema induz um raciocínio deliberativo (System 2) focado em ancorar a predição probabilística estritamente nas evidências recuperadas. A avali-ação experimental ocorreu em um ambiente computacional isolado, utilizando modelos de pesos abertos limitados a 70 bilhões de parâmetros. O artefato foi confrontado com modelos comerciais de fronteira (GPT-5.1, Claude Sonnet 4.5 e Gemini 3) na resolução de 18 cenários de inteligência variados. Adotou-se o protocolo LLM-as-a-Judge em arena de Multi-Agent Debate com rotação de avaliadores. Os resultados indicam que o pipeline local obteve desempenho superior em precisão factual, densidade informacional e coerência lógica perante os sistemas baseados em nuvem. Conclui-se que o rigor no controle do fluxo de dados compensa a assimetria paramétrica, viabilizando sistemas de apoio à decisão autônomos, seguros e com relação custo-benefício favorável frente a arranjos híbridos e em nuvem.

A crescente complexidade dos ambientes digitais tem ampliado a adoção de Inteligência Artificial (IA) para a identificação e avaliação de riscos e ameaças. No entanto, a efetividade dessas abordagens depende de sua capacidade de operar em condições heterogêneas de dados, contextos específicos de domínio e diferentes requisitos de interpretabilidade, confiabilidade e segurança. Esta dissertação investiga como métodos baseados em IA podem ser projetados e avaliados para apoiar a identificação e análise de riscos em três domínios distintos: detecção de phishing, análise de escravidão moderna em documentos jurídicos e avaliação de segurança de aplicações baseadas em Grandes Modelos de Linguagem (LLMs). O primeiro estudo investiga a detecção precoce de sites de phishing direcionados a organizações específicas. São avaliados modelos de Machine Learning (ML) utilizando domínios recém-registrados, e é proposto um framework reproduzível para detecção de phishing orientada à organização, abrangendo desde a coleta e preparação dos dados até a classificação. O segundo estudo investiga a análise de trabalho análogo ao escravo em cadeias de suprimentos baseada em IA. Para isso, é construído e curado, até onde é de nosso conhecimento, o primeiro dataset Inter jurisdicional composto por documentos judiciais dos Estados Unidos e da Índia. São também comparadas diversas técnicas de ML, incluindo abordagens de Deep Learning, modelos baseados em Transformers e LLMs em configuração zero-shot. Discute-se o potencial dessas abordagens para a descoberta de conhecimento e a due diligence em cadeias de suprimentos assistida por IA. Por fim, é proposto e avaliado experimentalmente, no estudo de caso, um método baseado em explicabilidade que combina SHAP e DiCE para identificar features potencialmente espúrias, com potencial aplicabilidade em grandes conjuntos de features, frequentes em classificadores de Processamento de Linguagem Natural (NLP). O terceiro estudo propõe Égide, um framework orientado a domínio para red teaming automatizado de aplicações corporativas baseadas em LLMs, particularmente agentes baseados em RAG e modelos finetuned. O framework combina ataques autônomos multi-turn, capacidades de integração Human-in-the-Loop e avaliação automatizada para testes de segurança contextualizados. O Égide é experimentado em ambientes laboratoriais. Casos de usos corporativos fundamentam a discussão sobre aplicabilidade prática e a comunicação de achados de segurança aos stakeholders

A crescente sofisticação das ameaças cibernéticas evidencia as limitações dos modelos de resposta a incidentes predominantemente reativos, nos quais a atuação das equipes de segurança é iniciada apenas após a notificação de um evento já em curso. Este trabalho propõe um framework metodológico integrado que articula, de forma coordenada e bidirecional, os ciclos de Inteligência de Fontes Abertas (OSINT), Cyber Threat Intelligence (CTI) e Resposta a Incidentes (IR), com o objetivo de deslocar a postura de segurança cibernética das organizações de reativa para proativa. O framework é estruturado em dois níveis interconectados, inteligência e operacional, com pontos explícitos de integração e retroalimentação entre eles. O modelo proposto é independente de ferramentas, escalável a diferentes níveis de maturidade organizacional e alinhado ao NIST Cybersecurity Framework 2.0. A aplicabilidade do framework é demonstrada por meio de dois estudos de caso em ambientes operacionais reais, evidenciando sua adequação tanto à estruturação de processos inexistentes quanto ao aprimoramento de processos já estabelecidos, contribuindo para o fortalecimento da autonomia operacional e da soberania tecnológica das organizações no enfrentamento de ameaças cibernéticas.

A disseminação de fake news representa um problema significativo no contexto digital, impactando setores tais como saúde pública, democracia e processos sociais. Apesar de avanços na área, ainda existem lacunas importantes, como a ausência de uma categorização abrangente das formas de desinformação e a limitação de modelos capazes de generalizar em diferentes domínios e conjuntos de dados heterogêneos. Diante disso, esta dissertação propõe o FACTUAL (Fake News Analysis with Confidence and Trust Using AI and LLM), um sistema baseado em modelos de linguagem de grande escala (LLMs) para a detecção e mitigação de fake news. O FACTUAL utiliza uma arquitetura integrada que combina processamento assíncrono para escalabilidade, um mecanismo dinâmico de cálculo de confiança adaptado às análises realizadas e uma categorização de desinformação. Como contribuições, a dissertação apresenta um modelo que permite a análise de grandes volumes de dados, calcula dinamicamente o nível de confiança das predições e estrutura a desinformação em categorias específicas para aprimorar o processo de detecção. A avaliação do FACTUAL foi realizada utilizando os datasets FakeBR e Fake News Dataset, complementados por dados coletados em portais de notícias. O sistema foi validado quanto à capacidade de identificar padrões de desinformação e quanto à classificação das notícias em categorias apropriadas. Os resultados evidenciam a funcionalidade do FACTUAL, bem como apontam melhorias necessárias, como o refinamento dos limiares de confiança e o balanceamento das categorias classificadas.

O uso crescente de Living Off The Land Binaries (LOLBins) por grupos de Advanced Persistent Threat (APT) apresenta desafios significativos aos mecanismos de detecção tradicionais, pois essas técnicas exploram binários legítimos do sistema para executar atividades maliciosas. Este estudo avança o campo explorando a classificação de LOLBins, tanto em suas formas simples quanto ofuscadas, usando técnicas de aprendizado de máquina (ML) e processamento de linguagem natural (NLP). Com base em trabalhos anteriores, esta pesquisa incorpora métodos de normalização aprimorados e expande o conjunto de dados com comandos ofuscados, permitindo uma avaliação mais abrangente Por meio de experimentação sistemática, combinações de modelos de ML, incluindo Random Forest, Redes Neurais e Árvores de Decisão, foram testadas juntamente com métodos de NLP, como Bag-of-Words (BoW), TF-IDF e Doc2Vec. Algoritmos de balanceamento, incluindo Random Oversampling (ROS) e SMOTE, foram empregados para lidar com o desequilíbrio do conjunto de dados. Os resultados indicam que o Doc2Vec, emparelhado com técnicas de balanceamento robustas e modelos de ML otimizados, apresentou o melhor desempenho, alcançando alta precisão e pontuações de Coeficiente de Correlação de Matthews (MCC). O estudo também se aprofunda nos desafios de detectar LOLBins ofuscados. Ao incorporar várias técnicas de ofuscação no conjunto de dados e empregar novas funções de normalização para desofuscar comandos, a pesquisa avalia o impacto das estratégias de préprocessamento na precisão da detecção. Embora a adição de dados ofuscados tenha expandido o conjunto de dados significativamente, também destacou as compensações entre a viabilidade computacional e o desempenho da classificação. Este trabalho contribui para o campo da inteligência cibernética ao apresentar uma estrutura de detecção que aborda as táticas em evolução dos adversários. Ele ressalta a importância de combinar técnicas avançadas de PNL, préprocessamento eficaz e conjuntos de dados balanceados para melhorar as capacidades de detecção. As descobertas preparam o cenário para pesquisas futuras sobre métodos de normalização mais sofisticados e soluções escaláveis para lidar com o cenário dinâmico de ameaças à segurança cibernética

As ameaças cibernéticas, como Ameaças Persistentes Avançadas (APTs), evoluíram e superaram as técnicas tradicionais de detecção. Esta dissertação propõe uma metodologia integrativa para aprimorar a detecção e prevenção de ameaças cibernéticas, com foco na qualidade da Inteligência de Ameaças Cibernéticas (CTI) e na identificação de Táticas, Técnicas e Procedimentos (TTPs). A metodologia inclui, entre outras etapas, o enriquecimento de dados de inteligência e a análise centralizada de eventos de segurança coletados por meio de sensores. Sua eficácia foi demonstrada através da execução de amostras reais de malware, destacando a importância de disponibilizar rapidamente relatórios de segurança, garantindo sua qualidade e sugerindo melhorias na integração e análise de dados para uma detecção mais eficaz.

A Inteligência Artificial (IA) tem o potencial de transformar a administração pública ao otimizar a tomada de decisões, melhorar a prestação de serviços e aumentar a eficiência institucional. Este estudo compara a adoção da IA no setor público do Brasil com países selecionados da União Europeia (UE), analisando seu impacto em funções-chave da governança. O objetivo é identificar tendências de implementação, avaliar o papel da IA na otimização de processos internos e alocação de recursos, e explorar o engajamento institucional em iniciativas impulsionadas por IA. A pesquisa é baseada em um conjunto de dados contendo 52 aplicações documentadas de IA no Brasil, comparadas com casos semelhantes na UE. Técnicas de agrupamento hierárquico e o Método do Cotovelo são empregados para estruturar estratégias de governança e identificar padrões comuns. Os resultados indicam que a IA tem sido amplamente utilizada para agilizar processos administrativos, fortalecer mecanismos de transparência e aprimorar a detecção de fraudes. Metodologias avançadas, como Redes Neurais e Modelos Baseados em Árvores de Decisão, se destacam pelo poder preditivo e versatilidade na administração pública. A análise comparativa revela que o Brasil adota uma estratégia de governança semelhante à de países como Países Baixos e Suíça. No entanto, desafios significativos ainda persistem, incluindo a distribuição desigual das iniciativas de IA entre as instituições, a falta de transparência na documentação metodológica e o engajamento limitado em áreas específicas de aplicação. Para enfrentar esses desafios, propomos um modelo para padronizar a documentação de IA e ampliar a participação institucional, o que poderia melhorar a transparência e a eficiência na tomada de decisões na administração pública. Pesquisas futuras devem focar no desenvolvimento de estruturas mais abrangentes para a implementação da IA na administração pública, incorporando variáveis econômicas e institucionais para refinar análises comparativas. Além disso, uma compreensão mais aprofundada do papel da IA na formulação de políticas, ética e regulamentação é essencial para garantir seu pleno potencial na inovação, eficiência e transparência na modernização do setor público.

Contexto: Com o avanço da Inteligência Artificial (IA) e sua crescente integração nos processos de negócios, a confiança da alta gestão nas empresas brasileiras tornou-se uma questão crucial. Os líderes empresariais precisam estar cientes dos desafios e das oportunidades associadas à adoção da IA em suas operações. A falta de compreensão e de conhecimento sobre as capacidades e limitações da IA pode levar a hesitações e preocupações por parte da alta gestão quanto ao seu uso. Objetivo: Este trabalho tem como objetivo identificar os principais desafios que impedem executivos C-Level de confiarem plenamente na IA e em suas aplicações dentro de suas organizações no contexto brasileiro. Além disso, propõe-se um guia de referência para auxiliar a alta gestão a compreender melhor como a IA pode ser integrada de forma eficaz e ética às suas estratégias de negócio. Método: Foi realizada uma pesquisa com 30 líderes empresariais de diversos setores para compreender suas percepções sobre a confiança na IA e suas preocupações em relação à sua implementação. Resultados: Os resultados revelaram que os principais obstáculos enfrentados pela alta gestão nas empresas brasileiras foram a falta de compreensão sobre as capacidades da IA e suas implicações éticas. Portanto, é imperativo que os líderes empresariais invistam em educação e conscientização sobre a IA, buscando entender seus benefícios e desafios. Somente assim poderão tomar decisões informadas e confiar plenamente em soluções baseadas em IA para impulsionar a inovação, o crescimento sustentável de suas organizações e a melhoria dos processos organizacionais.

Contexto: A aposentadoria de professores pode variar em termos de entusiasmo e relutância, com alguns a encarando como um novo comeco e outros como uma continuação intensificada do es forço acadêmico. Considerada um processo em evolucao, a aposentadoria dos professores
está se tornando cada vez mais relevante devido ao envelhecimento da força de trabalho academica nas Instituiçoes de Ensino Superior (IES) ao redor do mundo. Objetivo: Este estudo tem como objetivo humanos,
organizacionais, legais e regulatórios que podem impactar aposentadoria dos professores da area de Tecnologia da Informação e Comunicação (TIC). Método: realizamos um survey com 176 professores de TIC de diversas universidades do país para coletar dados sobre suas percepções e preparações para a aposentadoria. Resultados: nossos achados revelam que a maioria dos professores comecam a se preocupar com a aposentadoria no início (31.3%) ou na metade de sua carreira (21.6%). Mais de 64% dos professores planejam dedicar-se a atividades de lazer e viagens após a
além academicamente pesquisas. Alem disso, muitos afirmaram estar fazendo uma reserva financeira durante a vida ativa para complementar a
renda e manter seu padrao de vida. Conclusao: Os professores de TIC estão cada vez mais conscientes da importancia de planejar a aposentadoria, com muitos adotando estratégias para garantir um
futuro confortável e continuar suas contribuições acadêmicas. A reserva
financeira e o planejamento para atividades pós-carreira são aspectos importantes desse processo. Entretanto, a maioria das universidades não oferecem cursos de capacitação para prepará-los para a aposentadoria.

O crescimento das ameaças cibernéticas tornou a Inteligência de Ameaças Cibernéticas (CTI) um elemento fundamental para a defesa proativa das organizações. A Inteligência de Fontes Abertas (OSINT) oferece um vasto volume de dados capazes de agregar contexto e profundidade às análises de CTI, mas o aproveitamento efetivo dessas informações ainda enfrenta desafios de filtragem, validação e aplicação estratégica. Este trabalho propõe e avalia um framework estruturado para o enriquecimento de CTI com dados provenientes de OSINT, fundamentado no modelo 5W3H. A metodologia desenvolvida organiza o processo de coleta, verificação e categorização dos dados, otimizando a identificação e a contextualização de Indicadores de Comprometimento (IoCs), como endereços IP associados a atividades maliciosas. Os experimentos realizados, envolvendo abordagens manuais, automatizadas e plataformas reconhecidas de threat intelligence, demonstraram que a aplicação sistemática do framework possibilita ganhos expressivos em completude, precisão e utilidade operacional dos relatórios de CTI. Conclui-se que a adoção de uma metodologia multidimensional e estruturada para o uso de OSINT no enriquecimento de CTI contribui de forma significativa para o fortalecimento da resiliência cibernética organizacional, apontando caminhos para melhores práticas e futuras evoluções na área.

Embora os Sistemas de Reconhecimento Facial (SRF) apresentem um desempenho cada vez mais satisfatório para aplicações como controle de acesso, a sua confiabilidade é continuamente ameaçada pelo aumento de ataques com biometria falsa (spoofing), tornando a detecção de vivacidade (liveness detection) um aspecto crucial para a segurança. Para enfrentar este desafio, este trabalho propõe um novo mecanismo de prevenção baseado na integração entre modelagem tensorial e aprendizado não supervisionado. A metodologia parte do préprocessamento rigoroso de imagens do dataset CelebA-Spoof, onde as faces são detectadas, recortadas e normalizadas, aplicando-se a equalização de histograma adaptativa (CLAHE) para mitigar variações de iluminação. As imagens processadas são então estruturadas em um tensor tridimensional que modela de forma abrangente as correlações complexas entre os pixels, a condição da amostra (autêntica ou falsa) e o conjunto de dados. Para extrair características intrínsecas e discriminativas, empregamos a Decomposição CANDECOMP/PARAFAC (CPD) por meio do algoritmo Alternating Least Squares (ALS). As componentes de posto unitário resultantes da fatoração são submetidas à redução de dimensionalidade não linear com a técnica t-distributed Stochastic Neighbor Embedding (t-SNE), que preserva a estrutura local e global dos dados em um espaço de baixa dimensão. Por fim, o algoritmo k-means é utilizado para clusterizar as representações em dois grupos distintos, permitindo a classificação de novas amostras e a identificação precisa de biometrias genuínas e falsas. Os resultados indicam que essa abordagem integrada demonstra ser um mecanismo poderoso para aumentar a segurança contra tentativas de falsificação.

Esta dissertação investiga a dinâmica de inovação dos Combustíveis Sustentáveis de Aviação (SAF) por meio de uma abordagem integrada, que combina análise de redes de patentes, teoria de redes sociais e técnicas de aprendizado de máquina. Ao unir perspectivas tecnológicas e institucionais, o estudo revela barreiras críticas que dificultam a conversão da expertise brasileira consolidada em biocombustíveis em uma posição de liderança em inovação em SAF. A análise das redes globais de patentes em SAF identifica três principais agrupamentos tecnológicos — hidroprocessamento de lipídios, conversão termoquímica via gaseificação e síntese de Fischer–Tropsch, e rotas eletroquímicas emergentes — nos quais os atores brasileiros permanecem sub-representados. Análises complementares de redes de co-invenção e coautoria evidenciam uma desconexão estrutural entre a pesquisa acadêmica e o desenvolvimento industrial no Brasil, em contraste com as colaborações universidade–indústria integradas observadas nos Estados Unidos e na Europa. Para enfrentar essas lacunas, desenvolveu-se um sistema de pareamento entre patentes e artigos, baseado em arquiteturas de transformadores e em um grafo de conhecimento específico do domínio, alcançando 89\% de acurácia na identificação de domínios de inovação compartilhados. Esse sistema foi integrado a uma ferramenta de apoio à decisão, baseada em modelos de linguagem de grande porte (LLM), permitindo a identificação de trajetórias de colaboração de alto potencial — como o redirecionamento da expertise brasileira em etanol para rotas de álcool-para-querosene (ATJ). As descobertas fundamentam recomendações políticas-chave, incluindo a necessidade de marcos regulatórios híbridos, incentivos direcionados à inovação e estratégias de colaboração internacional. O estudo contribui metodologicamente ao demonstrar o valor da combinação entre análise de redes multicamadas e aprendizado de máquina para o mapeamento de ecossistemas de inovação sustentável. Trabalhos futuros devem expandir o arcabouço para redes dinâmicas e multicamadas, incorporar modelagem tecnoeconômica e ampliar o escopo geográfico da análise. Em última instância, a pesquisa oferece insights teóricos e práticos para acelerar a transição para combustíveis de aviação de baixo carbono, enfatizando que soluções tecnológicas só são eficazes quando inseridas em redes institucionais e colaborativas robustas.

Nas últimas décadas, o inventário de hardware consolidou-se como prática essencial para o controle e a gestão de ativos de tecnologia em organizações, permitindo acompanhar a vida útil de equipamentos, realizar auditorias e planejar substituições. No entanto, esses métodos tradicionais foram concebidos em um cenário predominantemente composto por computadores, servidores e periféricos, e não acompanharam o ritmo acelerado da digitalização. Com a popularização da Internet das Coisas (IoT), emergiu um novo desafio: milhares de sensores, dispositivos embarcados e equipamentos inteligentes passaram a se conectar em redes locais heterogêneas sem, contudo, serem plenamente visíveis às ferramentas convencionais de inventário. Essa lacuna torna o inventário não apenas um processo administrativo, mas um ponto crítico para a segurança e a governança tecnológica. Ignorar dispositivos “invisíveis” significa deixar brechas abertas para riscos cibernéticos e falhas operacionais. É nesse contexto que este trabalho se insere, propondo uma arquitetura de inventário automatizado e seguro, orientada à detecção de dispositivos IoT. A solução amplia a visibilidade sobre ativos conectados, viabiliza a coleta estruturada de dados e possibilita avaliações contínuas de conformidade e segurança. Os resultados demonstraram um aumento expressivo na taxa de detecção de dispositivos em redes heterogêneas, evidenciando a viabilidade de um inventário mais abrangente e alinhado às demandas atuais. A pesquisa aponta ainda caminhos futuros, como a integração a protocolos industriais (ex.: Modbus, CoAP) e a incorporação a sistemas SIEM para monitoramento em tempo real, reforçando a importância de repensar o inventário não como uma simples listagem de ativos, mas como um mecanismo estratégico de resiliência cibernética.

O orçamento público federal Brasileiro é o instrumento de planejamento que detalha a previsão dos recursos a serem arrecadados (impostos e outras receitas estimadas) e a destinação desses recursos (ou seja, em quais despesas esses recursos serão utilizados) a cada ano. Ao englobar receitas e despesas, o orçamento é peça fundamental para o equilíbrio das contas públicas e indica as prioridades do Governo para a sociedade. A gestão eficiente dos gastos é essencial para a sustentabilidade financeira de organizações públicas e privadas. Entretanto, a complexidade na alocação de recursos e a quantidade de dados envolvidos dificultam a tomada de decisão. Neste contexto, este estudo propõe uma metodologia para predição de gastos orçamentários utilizando algoritmos de aprendizado de máquina. A proposta é avaliada a partir de dados extraídos de um Data Warehouse especializado em finanças públicas brasileiras, contemplando variáveis quantitativas e qualitativas. Os objetivos incluem: identificar padrões de despesas; selecionar as melhores variáveis para predição; avaliar os modelos com base em métricas de desempenho; e comparar os resultados com os gastos do exercício vigente. Os resultados do trabalho demonstram que a gestão eficiente dos gastos é essencial para a sustentabilidade financeira de organizações públicas e privadas, garantindo a transparência pública, principalmente aprimorando as suas competências relacionadas à tecnologia da informação que visa apoiar decisões estratégicas, contribuindo para o uso mais inteligente dos recursos. Para isso será proposto uma arquitetura inteligente de interoperabilidade de dados, baseada em um Data Lake, capaz de realizar análises preditivas aplicadas às estruturas de gastos de órgãos do governo federal brasileiro.

Esta dissertação investiga violações de dados sob a ótica da segurança da informação e da proteção de dados pessoais, articulando previsão temporal, análise de recorrência e privacidade diferencial. Parte-se de uma análise bibliométrica sobre privacidade e segurança cibernética, seguida da exploração da base Data Breach Chronology da Privacy Rights Clearinghouse, com estratificação por setor organizacional. No eixo preditivo, comparam-se modelos estatísticos, de aprendizado de máquina e redes neurais profundas na previsão mensal de incidentes, utilizando métricas como MAPE, MAE e RMSE. Em seguida, aplica-se a Análise de Sobrevivência (Kaplan– Meier) para estimar o tempo até a reincidência por setor, evidenciando perfis diferenciados de risco temporal. Por fim, avalia-se o impacto da privacidade diferencial, por meio do mecanismo de Laplace, em dados tabulares de incidentes sintéticos, quantificando o equilíbrio entre orçamento de privacidade, deslocamento distributivo e perda de acurácia. Os resultados indicam melhor desempenho de redes neurais em séries mais complexas, janelas de recorrência menores em setores críticos e faixas de parâmetros de privacidade que preservam utilidade analítica. Em conjunto, os achados compõem um arcabouço aplicado para apoiar planejamento, definição de SLAs e divulgação responsável de estatísticas em conformidade com a LGPD.

A crescente adoção de tecnologias blockchain em diversos setores da economia brasileira, combinada com os requisitos rigorosos estabelecidos pela Lei Geral de Proteção de Dados (LGPD), cria desafios significativos para organizações que buscam implementar soluções descentralizadas em conformidade com a legislação nacional. Esta dissertação apresenta o framework BlockGuard, uma arquitetura abrangente para implementação de redes Hyperledger Fabric em conformidade com os princípios e direitos estabelecidos pela LGPD. A pesquisa adota metodologia exploratória e qualitativa, estruturada em três fases sequenciais: revisão sistemática da literatura, análise comparativa entre requisitos da LGPD e capacidades do Hyperledger Fabric, e desenvolvimento do framework BlockGuard. O framework proposto estrutura-se em cinco domínios fundamentais: (1) Gestão do Ciclo de Vida de Dados Pessoais, (2) Implementação de Consentimento e Bases Legais, (3) Operacionalização dos Direitos dos Titulares, (4) Segurança e Estruturas de Governança, e (5) Documentação de Conformidade. Para validar a proposta, foi desenvolvido um estudo de caso no setor de saúde, implementando os contratos inteligentes (chaincodes) em linguagem Go e demonstrando a viabilidade técnica da abordagem. Os resultados evidenciam que o Hyperledger Fabric, quando adequadamente configurado através do BlockGuard, pode não apenas atender aos requisitos da LGPD, mas potencializar a proteção de dados através de transparência auditável e controle descentralizado. As principais contribuições incluem: uma taxonomia estruturada de compatibilidade regulatória, soluções técnicas para paradoxos aparentes entre imutabilidade blockchain e direito ao esquecimento, e um processo metodológico replicável para implementação de conformidade regulatória em ambientes blockchain. As limitações identificadas relacionam-se principalmente à escalabilidade, complexidade de configuração e necessidade de expertise técnica especializada. O trabalho estabelece base sólida para pesquisas futuras em intersecções entre tecnologias emergentes e proteção de dados no contexto brasileiro.

A evolução das tecnologias de contêineres e orquestração, especialmente o Kubernetes, trouxe inúmeras vantagens para a implantação de aplicativos em ambientes distribuídos, mas também apresentou desafios significativos em termos de segurança. Esta dissertação introduz o framework SARIK (Segurança Automática de Regras de Iptables no Kubernetes), uma solução projetada para aprimorar a segurança em ambientes Kubernetes. O SARIK aborda as vulnerabilidades associadas ao tráfego de rede em clusters Kubernetes, implementando políticas de rede de forma eficiente e automatizada. Este estudo não apenas explora as limitações das abordagens tradicionais de segurança em Kubernetes, mas também oferece uma análise empírica da eficácia do SARIK, utilizando métricas como latência, taxa de resposta e taxa de transmissão. Os resultados confirmam que o SARIK não compromete o desempenho das aplicações enquanto fortalece a segurança. Além disso, são discutidas as implicações práticas, desafios futuros e melhores práticas para a segurança em ambientes Kubernetes. O trabalho também destaca a influência da escolha do sistema operacional e da configuração do cluster na eficácia das políticas de segurança. Em resumo, o SARIK representa um avanço significativo na segurança de ambientes Kubernetes, oferecendo uma abordagem prática e automatizada para mitigar riscos e aprimorar a proteção de clusters em um cenário tecnológico cada vez mais complexo e vulnerável.

O aumento das redes de IoT apresentou novos desafios em termos de escalabilidade e segurança para os sistemas de detecção de intrusão de rede (NIDS) distribuídos devido a preocupações com a privacidade. Embora tenha havido algum progresso na abordagem desses desafios, ainda há perguntas não respondidas sobre como alcançar um equilíbrio entre desempenho e robustez para garantir a privacidade de forma distribuída. Além disso, é necessário desenvolver uma arquitetura confiável e dimensionável para NIDS distribuídos que possam ser implantados com eficiência em vários cenários de IoT. Essas questões sobre robustez se basearam principalmente na escolha de técnicas de aprendizado de máquina distribuídas e com proteção da privacidade. Neste trabalho, propomos o F-NIDS, um detector de intrusão que utiliza inteligência artificial federada e técnicas de comunicação assíncrona entre as entidades do sistema para proporcionar escalabilidade horizontal, juntamente com técnicas de privacidade diferencial para tratar de questões de confidencialidade de dados. A arquitetura do F-NIDS foi projetada para ser adaptável ao uso em redes de IoT, adequada para ser usada em ambientes baseados em nuvem ou neblina. Os resultados de nossos experimentos mostraram que o modelo de detecção confidencial empregado no F-NIDS - considerando as métricas de acurácia multiclasse, acurácia binária, precisão e recall - foi capaz de prever e determinar a natureza dos ataques quando eles ocorrem. Para determinar os parâmetros ideais que atingem um equilíbrio entre a privacidade dos dados e o desempenho da classificação, foram empregadas três estratégias, cada uma avaliada pelo desempenho de robustez correspondente. Em primeiro lugar, os modelos foram treinados com valores variáveis de ruído gaussiano e submetidos a ataques de inferência de membros baseados em regras de caixa preta. Em segundo lugar, foram realizados ataques regulares de inferência de membros, utilizando diferentes amostras com tamanhos variados para determinar a quantidade máxima de dados que poderiam ser armazenados com segurança nos agentes de detecção, para tarefas de treinamento. Por fim, a robustez dos modelos treinados foi avaliada contra ataque de inversão de modelo, e os resultados foram comparados por meio de comparações gráficas. Com base nessas avaliações, o valor do nível de ruído gaussiano para o treino dos modelos locais foi determinado em 21, com tamanhos de amostra para cada agente de treino variando entre 10K a 25K.

O Poder Judiciário Brasileiro, responsável por funções vitais como o controle de constitucionalidade, condução do processo eleitoral, gestão de elevados valores em depósitos judiciais e precatórios, e manuseio de um grande volume de informações sensíveis de pessoas e organizações, enfrenta novos desafios com a digitalização intensiva de seus serviços. Riscos cibernéticos emergentes incluem interrupções nas prestação jurisdicional, emissões indevidas de sentenças, desvios de valores e a inserção de conteúdo inadequado de decisões. Este estudo visa propor um conjunto de medidas de controle de segurança da informação necessárias para mitigar os principais riscos às funções essenciais da Justiça. A metodologia aplicada engloba revisão bibliográfica e entrevistas com profissionais das áreas jurídica, de tecnologia da informação, gestão de riscos e segurança cibernética. Foi adotado um framework de referência para a seleção de controles, complementado por medidas adicionais específicas ao contexto judiciário, e realizadas sessões de grupo focal para análise e validação dos resultados. A Técnicas de classificação, análise de dados e business intelligence foram empregadas para auxiliar no diagnóstico de prioridades. Os resultados apontam para os 10 riscos de negócio mais significativos, 40 causas potenciais, 22 consequências impactantes, além de 232 medidas de segurança eficazes para mitigação dos riscos, com ênfase no diagnóstico de ações e de prioridades de implementação. Este trabalho oferece uma contribuição valiosa para a gestão de riscos e o estabelecimento de estratégias de segurança da informação no Judiciário, aprimorando a comunicação entre as áreas técnicas e a alta administração e fornecendo uma visão detalhada para direcionar e otimizar os investimentos em segurança da informação, com recomendações práticas e adaptáveis a diferentes contextos institucionais.

O desenvolvimento de softwares em contextos governamentais, particularmente para programas sociais, enfrenta desafios que enfatizam a importância da gestão de riscos para melhor assegurar o sucesso e a entrega efetiva de serviços à população. O objetivo geral desta pesquisa é identificar os principais riscos associados às etapas do processo de desenvolvimento de softwares provedores do Programa Social Brasileiro Alfa. A pesquisa, de natureza descritiva e aplicada, adota uma abordagem qualitativa, empregando como estratégia metodológica o estudo de caso. Os dados coletados abrangem entrevistas com desenvolvedores, arquitetos, gestores de projeto, complementados por coleta de documentos internos da Empresa Alfa. O tratamento dos dados abrangeu análise documental e análise de conteúdo, considerando 64 atributos, 13 elementos de classe e 3 classes descritas na taxonomia de risco hierárquica proposta pelo Software Engineering Institute - SEI. Após detalhar as fases de desenvolvimento de softwares provedores do referido programa social, os principais resultados das análises permitiram a identificação de 39 atributos, sendo 17 vinculados à classe ‘Engenharia de Produto’ 12 vinculados à classe ‘Ambiente de Desenvolvimento’ e 10 vinculados à classe ‘Restrições do Programa’. O exame dos atributos identificados enfatizou a classe ‘Restrições do Programa’, mostrando a influência de fatores externos no processo de desenvolvimento de softwares, em consonância com achados de estudos anteriores. Adicionalmente, as análises permitiram detalhar os atributos segundo elementos de classe, destacando-se o atributo ‘Cronograma’, vinculado ao elemento de classe ‘Recursos’. Este trabalho contribui para o campo da gestão de riscos e da engenharia de software, oferecendo evidências sobre o uso de atributos que podem ajudar a identificar riscos no processo de desenvolvimento de softwares de programas sociais e destacando a importância de uma identificação de riscos que considere as especificidades de cada etapa do desenvolvimento de software. Os resultados, também, podem contribuir para reflexões sobre a gestão de riscos em processos de desenvolvimento de software de programas sociais no País.

O grande aumento de instituições financeiras no mercado nacional e global, aumentou a competitividade pela manutenção e extensão das suas respectivas cartas de clientes, e popularizou o acesso ao crédito, porém a modelagem de score de crédito é feito de acordo com informações trafegadas internamente em suas bases e com regramento proprietário. Tendo como objetivo alcançar possíveis vantagens competitivas, compliance e transparência na modelagem dos scores de créditos por parte das instituições financeiras, sendo abarcado com as normas regulatórias, é proposto um framework tomando como base a Open Finance e a LGPD, com a intenção de maior assertividade e minimização de riscos e fraudes. Devido a falta de regramento, foi analisado a proposta uma tabela inicial de possíveis questões relevantes a serem adotadas no momento da modelagem, tomando como base a resolução da Open Finance, onde essa mesma tabela é cruzada a posteriori com a norma regulatória nacional atual, dando assim origem ao framework de auditoria proposto. Para validação do framework, foi revisitado e transportado para o trabalho os modelos: PLTR, Z-Ccore, conjuntos homogêneo e heterogêneo, sinalizando as fragilidades e possíveis apontamentos de melhorias.

A crescente digitalização do setor financeiro global, impulsionada pela demanda por serviços rápidos e personalizados, enfrenta desafios significativos com o aumento de ataques cibernéticos, exigindo esforço em conjunto de todos os setores da empresa para gerir riscos cibernéticos. Este trabalho teve como objetivo identificar formas pelas quais a terceira linha pode gerar valor e contribuir para garantir a efetividade e o aprimoramento dos processos relacionados à gestão dos riscos cibernéticos dentro das instituições financeiras brasileiras. Para alcançar o objetivo proposto, foram realizadas entrevistas semiestruturadas com profissionais das áreas de auditoria interna, gestão de riscos e segurança da informação, em diversas instituições financeiras. A metodologia de análise de conteúdo de Bardin foi utilizada para analisar os dados coletados, permitindo a categorização e interpretação das práticas atuais e desafios enfrentados na gestão de riscos cibernéticos. Os resultados demonstraram que a auditoria interna desempenha um papel importante na garantia da eficácia dos controles de segurança cibernética, inclusive, dependendo do contexto, realizando testes de invasão para validar controles implementados. A utilização de dados analíticos para realização de auditoria continua também foi destacada como estratégia eficaz para identificar riscos emergentes. No entanto, ainda há desafios significativos a serem enfrentados, como a necessidade de integrar a gestão de riscos cibernéticos na estratégia corporativa das intuições. Para contornar isso, foi sugerida a realização de avaliações com foco nesses riscos na concepção de novos modelos de negócios e produtos. Em complemento, para se aprimorar a gestão de riscos cibernéticos, os achados sugerem a necessidade de atualização constante dos processos e controles em resposta às novas ameaças, bem como a adoção de novas tecnologias, como inteligência artificial e aprendizado de máquina, que podem melhorar a detecção e mitigação de ameaças cibernéticas. O trabalho identificou 53 unidades de contexto ou fatores de sucesso, além de 50 benefícios e 52 desafios a serem enfrentados na participação ativa da terceira linha na gestão de riscos cibernéticos dentro de uma instituição financeira.

Contexto: A interação de um usuário com um chatbot é considerada uma das mais semelhantes à interação humana entre os softwares. No entanto, essa antropomorfização torna a elicitação e documentação de requisitos de software mais desafiadora, uma vez que o comportamento e a percepção humana são marcados por nuances e subjetividades. Atualmente, não há padrões ou diretrizes claros para registrar e testar requisitos subjetivos, o que torna ainda mais difícil a obtenção, documentação e validação dos chamados requisitos conversacionais. Objetivo: O objetivo deste trabalho é identificar características diferenciais entre requisitos e especificações de chatbots em relação a outros softwares. Para isso, é necessária a análise de recursos e elementos presentes nos artefatos existentes a fim de sintetizar os padrões e elementos mais adequados em um modelo de especificação de requisitos conversacionais para chatbots, abrangendo em detalhes os requisitos conversacionais e emocionais. Método: Conduzimos 2 revisões sistemáticas para comparar o estado atual da documentação de requisitos para os diversos tipos de softwares e para chatbots, bem como as práticas conversacionais adotadas. A investigação destas práticas e formatos foi utilizada para a elaboração do Mapa Conversacional Integrado, um modelo de artefato proposto para documentar requisitos conversacionais de chatbots. Em seguida, o modelo foi submetido à validação por meio da simulação de documentação com artefatos normais e o artefato proposto, com a intenção de identificar oportunidades e melhorias em sua usabilidade. Resultados: Na avaliação do mapa conversacional os participantes relataram facilidade de uso e fácil aprendizado. Três tipos de instâncias do modelo foram disponibilizadas (tabela, diagrama e protótipo), e o template de tabela foi o mais escolhido pelos participantes da segunda fase. A disponibilização do template na internet já conta com mais de 100 utilizações orgânicas. Conclusão e trabalhos futuros: A proposta do modelo inicial foi submetida à validação e ainda possui espaço para evoluções. Como trabalho futuros, será realizado a aplicação de pesquisas adicionais com grupos mais abrangentes de participantes, a saber, pesquisas com usuários finais e stakeholders, para avaliar a compreensão do artefato.

A seleção de Tecnologias de Ledger Distribuído (DLTs) e algoritmos de consenso para o setor de saúde apresenta desafios significativos, dada a complexidade das demandas por segurança, escalabilidade, eficiência energética e conformidade regulatória. Este trabalho propõe o SeletorDLTSaude, um framework modular e adaptável, desenvolvido para apoiar a escolha de tecnologias distribuídas em ambientes de saúde. Baseado na adaptação da Pilha Shermin, o framework organiza a análise em quatro camadas – Aplicação, Consenso, Infraestrutura e Internet –, permitindo uma avaliação detalhada de aspectos técnicos, operacionais e regulatórios. A principal inovação do SeletorDLTSaude está em sua abordagem multicritério, que integra métricas técnicas, como taxa de transações por segundo (TPS), latência e consumo energético, com critérios qualitativos, como interoperabilidade e governança flexível. A validação do framework foi realizada em cenários críticos, como a gestão de registros eletrônicos de saúde (EHRs), monitoramento IoT e pagamentos hospitalares. Os resultados demonstraram que o SeletorDLTSaude é eficaz na recomendação de tecnologias otimizadas, destacando-se o Tangle (IOTA) e o algoritmo Proof of Authority (PoA), que apresentaram alta eficiência energética, segurança e conformidade com normas como a LGPD e a HIPAA. Apesar dos resultados promissores, foram identificadas limitações, como a dependência da qualidade e abrangência das bases de dados utilizadas, bem como a necessidade de revisões periódicas devido à rápida evolução tecnológica e regulatória. Como direções futuras, propõe-se a integração de algoritmos de aprendizado de máquina para automação dos critérios de seleção, a expansão das métricas avaliadas e a validação prática em projetos-piloto no setor de saúde. O SeletorDLTSaude se posiciona como uma ferramenta estratégica para modernizar o setor de saúde, promovendo eficiência, sustentabilidade e proteção de dados sensíveis em sistemas distribuídos.

O estudo baseia-se na adaptação do ensino remoto durante a pandemia de COVID-19 e na transformação digital nas instituições de ensino superior. Considerando o impacto da pandemia no ensino e nas abordagens pedagógicas, a pesquisa investiga como as novas tecnologias foram integradas ao ensino, especialmente no Programa de Pós-Graduação Profissional em Engenharia Elétrica (PPEE). Para analisar as percepções de alunos e professores, foi adotada uma abordagem qualitativa com métodos mistos de coleta e análise de dados. Foi elaborado um questionário, com questões abertas e fechadas, abordando as experiências com o ensino remoto, presencial e Programa de Pós-Graduação Profissional em Engenharia Elétrica (PPEE) | Departamento de Engenharia Elétrica (ENE) | Faculdade de Tecnologia (FT) | Universidade de Brasília (UnB) | CEP: 70910 -900 Brasília-DF sec@ppee.unb.br | +55 61 3107-5597 | ppee.unb.br 2 híbrido. O questionário foi enviado por e-mail a uma amostra representativa de alunos do curso, garantindo a diversidade de opiniões. As questões foram agrupadas em categorias como desafios, benefícios e perspectivas futuras do ensino híbrido. Os resultados revelaram uma variedade de percepções, destacando tanto as vantagens quanto as dificuldades de cada modalidade. As conclusões fornecem subsídios importantes para o desenvolvimento de estratégias educacionais pós-pandemia, considerando as necessidades dos alunos e os novos modelos de ensino.

Este trabalho tem como objetivo avaliar a efetividade probabilística do sistema de segurança em um modelo de instalação nuclear, sob cenários de ataque envolvendo ameaças híbridas, ou seja, com capacidades cibernéticas e físicas. Em um contexto global propício ao aumento de ataques a infraestruturas críticas, inclusive envolvendo acesso ilícito e sabotagem sobre materiais nucleares, aliado à rápida evolução e diversidade de ataques cibernéticos em diversos setores da sociedade, configura-se notável desafio avaliar a segurança das infraestruturas críticas. Tendo em vista aspectos de confidencialidade sobre o projeto de sistemas de segurança de instalações nucleares reais, foi modelada uma instalação hipotética (Instituto de Ciências Nucleares do Cerrado), considerando o arcabouço legal e regulatório vigente no Brasil e modelos similares em uso pela Agência Internacional de Energia Atômica (AIEA) para o propósito de treinamento. O modelo descreve a caracterização da ameaça, do sistema de segurança e dos cenários de ataque ciberfísicos, sendo utilizados parâmetros probabilísticos de desempenho na literatura para o cálculo da efetividade (PE) do sistema de segurança, comparando cenários de ataques puramente físicos a outros no qual há o comprometimento de ativos digitais críticos à segurança. Os resultados mostraram um decréscimo significativo na efetividade do sistema, indicando a necessidade de melhorias nas medidas de segurança de instalações nucleares, do ponto de vista regulatório e operacional. Ademais, a metodologia usada no trabalho é geral e aplicável a outros tipos de infraestruturas críticas.

Nos últimos 5 anos, no Brasil, em média 200 pessoas desaparecem por dia. Quando uma pessoa desaparece, as autoridades policiais realizam um levantamento a respeito da aparência da pessoa em questão e resulta em uma fotografia para a divulgação de desaparecimento ou em um retrato falado. Com o passar do tempo, esses registros fotográficos se tornam desatualizados por conta do envelhecimento natural, principalmente em caso de crianças desaparecidas. Existem diversas técnicas de progressão de idade para acompanhar essas mudanças. No Brasil, a legislação obriga a atualização de imagens de progressão de idade para todos os desaparecidos. Para aqueles com menos de 18 anos com uma frequência a cada três anos e após 18 anos, a cada cinco anos. Porém, existem vários fatores que dificultam esse processo de atualização dessas imagens, como volume de imagens e ausência de um banco de dados unificado. Para estes problemas, automação utilizando aprendizado de máquina pode ser uma alternativa adicional, mais especificamente, utilização das Redes Neurais Adversárias (GANs). Para isso, é necessário um banco de dados padronizado dos cidadãos brasileiros nesta situação de desaparecimento. Apesar de existir uma lei que institui a unificação dessas informações de desaparecidos, incluindo imagens, o Governo Brasileiro e os órgãos envolvidos neste processo ainda estão longe de atingir o resultado final do que a lei impõe. Este trabalho demonstra como forças de segurança pública Brasileiras lidam com dados de pessoas desapareci- das, e realça a importância e a urgência da existência de um banco de dados unificado. Adicionalmente, demonstra como a utilização de novas técnicas de manipulação de imagem, incluindo as Redes Neurais, podem auxiliar forças policias durante a investigação de crianças e jovens desaparecidos. Foi possível demonstrar como a informação é disseminada pelo país de acordo com cada estado. Adicionalmente, obter resultados promissores em questão de acurácia entre imagens manipuladas por redes neurais e criar um banco de imagens de vítimas brasileiras.

Embora a Lei Geral de Proteção de Dados Pessoais (LGPD) estabeleça que suas disposições não são aplicáveis ao tratamento de dados pessoais realizados para fins exclusivos de segurança do Estado, as normas definidoras dos direitos e garantias fundamentais possuem aplicação imediata, razão pela qual o direito fundamental à proteção dos dados pessoais e a LGPD incidem na atividade de Inteligência de Estado e, em particular, nas aplicações de análise de grande volume de dados (big data analytics) utilizadas pelo serviço de Inteligência brasileiro para a produção da Inteligência de fontes abertas (open source Intelligence - Osint). Esta dissertação objetiva identificar os possíveis fatores de risco para a Inteligência de Estado decorrentes dessa incidência, analisar suas consequências e propor medidas para mitigá-los. O procedimento metodológico científico empregado foi a pesquisa aplicada, explicativa, bibliográfica e documental. Os principais resultados deste trabalho consistem na identificação dos possíveis fatores de risco, na sua análise e na proposição de medidas para mitigá-los, e na demonstração de que aquele direito fundamental pode ser limitado pela restrição constitucional do acesso a informações cujo sigilo seja imprescindível à segurança da sociedade e do Estado. As principais contribuições desta dissertação são as sugestões para futuro anteprojeto de lei de proteção de dados pessoais para segurança do Estado e a proposta de como o órgão de Inteligência brasileiro poderia implementar a engenharia de privacidade no desenvolvimento de aplicações de big data analytics para produção da Osint.

A atual estrutura comercial mundial coloca o Agronegócio brasileiro em constante conflito para proteger seus interesses perante outras nações no mercado global. As inovações tecnológicas são utilizadas em todas as etapas, desde as tarefas de produção mais simples até o desenho de táticas de negociação em assuntos de alto nível. Este trabalho tem como objetivo encontrar concorrentes brasileiros no mercado de carne bovina com capacidades cibernéticas e interesse comercial para atuar em favor de seus interesses. Para chegar a tal lista, é apresentada uma revisão da literatura sobre Inteligência de Ameaças e Ameaças Cibernéticas, seguida de uma apresentação dos antecedentes de como a tecnologia embarcada está hoje na agricultura e nas cadeias de suprimentos em geral, e a real necessidade desses setores serem vistos como infra-estrutura crítica pelos governos em geral. Também como informações básicas, casos recentes de ataques cibernéticos e países atacantes são mostrados. É apresentado um método multidisciplinar passo a passo que envolve a extensão do comércio internacional, o interesse em mercados específicos e a interseção do índice de capacidade cibernética do país. Após a aplicação do método e dos critérios, gerou-se uma lista de cinco países candidatos à carne bovina brasileira no mercado internacional que possuem capacidade de ataques cibernéticos. A lista inclui os EUA, Austrália, China, Holanda e Rússia. O método pode ser replicado e/ou aplicado, considerando a avaliação adequada da fonte de dados e seguindo as especificidades de cada setor.

A Internet das Coisas (IoT) é um dos paradigmas mais importantes dos últimos anos, pois a sua principal característica é a possibilidade de fundir o mundo real com o mundo virtual, utilizando o conceito das “coisas”. Por um lado, apresenta uma grande comodidade no nosso cotidiano, revolucionando a comunicação entre pessoas e objetos. Por outro lado, as vulnerabilidades apresentadas e os ataques que têm ocorrido indicam que esta tecnologia continua a ser uma expectativa para o futuro em diversa empresas, submergindo, assim, os benefícios que nos poderia proporcionar. Neste trabalho, propomos um framework composto de um sistema de detecção de intrusão em tempo real para dispositivos IoT, onde os ataques DoS serão detectados, identificados e classificados, seguindo a literatura atual. Para isso, é utilizado técnicas de aprendizado de máquinas para identificar ataques, através de anomalias ocorridas no monitoramento de dispositivos IoT na suíte ELK com o plugin Wazuh. O primeiro resultado experimental com o dataset NSL-KDD mostra a eficiência da nossa proposta, com 91,90% de acurácia, 0,9217 de precisão, 0,9190 de recall e 0,9168 de F1-score. O segundo resultado experimental com o ataque DoS de syn flood em tempo real, criado pelo metasploit, mostra uma acurácia de 99,89%, uma precisão de 1,0000, um recall de 0,9953 e um F1-score de 0,9977.

No espaço cibernético, os limites estão constantemente sendo ultrapassados em nome do progresso e comodidade, invariavelmente abrindo caminho para novas vulnerabilidades e ataques em potencial. As abordagens tradicionais de segurança não são capazes de conter a natureza dinâmica das novas técnicas e ameaças, cada vez mais adaptativas e complexas. Nesse cenário, o compartilhamento de inteligência de ameaça vem crescendo. Contudo, a heterogeneidade e o grande volume de dados de ameaças dificultam a identificação dos dados relevantes, o que impõe grande limitação aos analistas de segurança. Dentre os fatores que contribuem para a baixa qualidade da Cyber Threat Intelligence (CTI), destacase a falta de direção e planejamento, cuja consequência é a produção de informações imprecisas, incompletas ou desatualizadas, que tornam as ações reativas. Porém, inteligência de ameaça de qualidade tem impacto positivo no tempo de resposta a um incidente. A proposta para contornar essa limitação é a adoção de um processo de produção de conhecimento baseado no ciclo de inteligência, apoiado pela consciência situacional e o modelo 5W3H para criação de contexto. A fase de direção e planejamento é a fase menos abordada nas pesquisas científicas, mas, quando bem executada tem relação direta para que a inteligência produzida seja relevante, precisa e oportuna, pois define o propósito e o escopo das etapas seguintes. As próximas fases do processo visam o refinamento progressivo de dados, que iniciam com grande volume e baixa relevância e por meio de avaliação, busca por correlações, análises, formação de contexto e interpretações terminam com baixo volume, porém capazes de serem empregados para tomada de decisões.

O crescente valor agregado das informações trafegadas em meio cibernético acarretou em um cenário de sofisticação de ações maliciosas que visam a exfiltração de dados e, no atual ambiente de ameaças cibernéticos avançado e dinâmico, as organizações precisam produzir novos métodos para lidar com sua defesa cibernética. Em situações com atores maliciosos não convencionais, como Advanced Persistent Threats (APTs), técnicas de ofuscação de atividades danosas são utilizadas para garantir manutenção nos alvos estratégicos, evitando detecção por sistemas de defesa conhecidos e encaminhando os dados de interesse para elementos externos com o menor ruído possível. As arquiteturas MADEX e NERD propuseram soluções de análise de fluxos para detecção de rootkits que ocultam o tráfego de rede; entretanto, apresentam algum custo operacional, seja em volume de tráfego, seja por falta de informação  agregada. Nesse sentido, esse trabalho altera e aprimora as técnicas de análise de fluxos ofuscados de forma a eliminar os impactos no tráfego rede, com enriquecimento de dados em bases locais e remotas, detecção de domínios consultados por rootkits e agregação de informações para geração de inteligência de ameaças, mantendo alta performance e permitindo uso concomitante com os sistemas de defesa cibernética previamente existentes. Os resultados demonstram a possibilidade de agregar informações aos fluxos de dados utilizados por rootkits para ações de defesa mais efetivas contra ameaças cibernéticas sem impactos significativos à infraestrutura de rede existente.

A evolução das redes de computadores fez com que elas se tornassem cada vez mais complexas e aumentassem sua superfície de ataque, tornando a proteção de bordas menos eficaz. Nesse contexto, surgiu o conceito de Zero Trust (ZT), que é um novo modelo de confiança. Esse conceito amplo apresenta diversos controles para sua implementação, o que torna a gestão de riscos um desafio, pois os gestores precisam priorizar esses controles. De acordo com a ISO 31000, a metodologia multicritério de apoio à decisão pode auxiliar os decisores na modelagem de problemas e na priorização de ações a serem tomadas. O conceito multicritério é baseado em duas escolas: a americana, que foca na precisão dos cálculos para priorizar os controles, e a europeia, que considera a decisão como uma atividade humana. O MCDA-C, que vem da escola europeia, tem a capacidade de agregar diversos níveis dentro de uma organização na busca pela construção do conhecimento, facilitando a tomada de decisão pelos decisores. Neste trabalho, propõe-se a utilização dos controles descritos no Modelo de Maturidade de ZT da CISA em conjunto com o MCDA-C, pois isso permite a clareza na visualização do desempenho ideal, na perspectiva dos decisores, e na priorização para a implementação dos controles da ZT. Por fim, considerando os controles propostos, este estudo demonstra a capacidade do MCDA-C em auxiliar na compreensão do problema dentro da organização e na construção do conhecimento por meio da análise dos dados coletados. Dessa forma, foi possível apresentar aos decisores quais controles devem ser priorizados no início da implementação da ZT.

Essa dissertação apresenta a especificação de um acelerador para o CRYSTALS-Kyber, o primeiro mecanismo de encapsulamento de chaves (KEM) padronizado pelo National Institute of Standards and Technology (NIST) como criptografia pós-quântica (PQC). O acelerador, que foi desenvolvido com síntese de alto nível (HLS), é composto pelas operações de cifração e decifração presentes nos algoritmos de encapsulamento e desencapsulamento do KEM Kyber. A arquitetura desenvolvida faz uso de 33733 LUTs, 22810 FFs e 151 DSPs, sendo implementada em uma FPGA de baixo custo PYNQ-Z1 (XC7Z020- 1 CLG400C). Em uma simulação de troca de chaves realizada com a ferramenta Vitis HLS, o acelerador gastou o tempo total de aproximadamente 3,81 milissegundos, operando a 100MHz. Nessa mesma simulação, a arquitetura desenvolvida teve um consumo estimado de 2,243W de potência. Com a implementação do acelerador na FPGA, o tempo observado para realização das operações de cifração e decifração foi de 5,01 e 2,24 milissegundos, respectivamente. O consumo de energia nesse processo foi de aproximadamente 6,2 Joules.

O Brasil é um importante ator global por diversas características: físicas, econômicas, políticas e militares. Ocupa 43,7% do continente sul-americano com 8.510.417,771 de Km² de território e dispõe de aproximadamente de 15.719 Km de fronteiras terrestres e mais 7.400 Km de fronteiras marítimas. Detém diversos recursos naturais estratégicos no seu subsolo e solo e na sua extensa costa marítima no Oceano Atlântico Sul. Além disso, dispõe de cerca de 207.750.291 habitantes, segundo o censo de 25/12/2022, e todo esse patrimônio humano, territorial e recursos estratégicos devem ser salvaguardados de ameaças externas e internas. Atualmente, na Era da Informação, e com o advento do Ecossistema 5G no mundo, as ameaças se tornaram mais abrangentes por causa do Poder Cibernético das outras nações estrangeiras. Por isso, este trabalho abordou alguns conceitos doutrinários nacionais e internacionais sobre Segurança da Informação e das Comunicações, Segurança Cibernética, e sobre os Ecossistemas 5G Global e 5G Brasileiro. Foi realizada uma ampla pesquisa bibliográfica e documental entre os anos 2012 a 2023, de natureza aplicada com abordagem qualitativa, com objetivo exploratório nas diversas fontes acadêmicas internacionais e nacionais. Também foi aplicado um questionário on-line para grupos de militares do Exército Brasileiro sobre o emprego dual – civil e militar – do Ecossistema 5G Brasil na Defesa e Segurança nacional. Ainda foi realizada uma simulação eletrônica no software HTZ Warfare para a cobertura 5G das áreas estratégicas do Setor Militar Urbano, no Distrito Federal, a qual serviu de base para a minha proposta de arquitetura conceitual do 5G para o Exército Brasileiro.

O avanço tecnológico tem produzido um processo de mudança nas técnicas operacionais utilizadas pelos serviços de inteligência ao redor do mundo. A obtenção de informações por meio de fotografias, comunicações, sinais, imagens, ondas, radiações e assinaturas eletromagnéticas desenvolveu-se rapidamente e tornou-se uma rotineira prática dos serviços de inteligência. A própria coleta de informações em fontes abertas, em conjunto com a capacidade de análise de big data, alcançou estágio singular. As técnicas operacionais antigas têm sido convertidas em meios de busca e coleta com uso de mecanismos tecnológicos, imprimindo um alcance e amplitude de dados sem precedentes. A geolocalização ou determinação em tempo real da localização de um indivíduo, o correspondente eletrônico da vigilância, vem sendo utilizada, sem maiores questionamentos, em diversos países. Essa constatação impulsiona o desenvolvimento desta pesquisa, que se volta a verificar se a geolocalização em tempo real pode ser utilizada pela ABIN, sem que isso afronte a legislação pátria e a privacidade dos indivíduos. É nesse contexto que se apresenta essencial esmiuçar as características dos serviços de inteligência e a evolução do direito à privacidade e da proteção de dados, traçando-se, ainda, um comparativo entre a instrumentalidade da coleta de dados pelo Estado com as empresas de tecnologia. Outro ponto importante para atingir conclusões robustas sobre o assunto é verificar se a legislação, a cadeia e competência de autorização para atuação e os mecanismos de controle dos serviços de inteligência estrangeiros se aproximam ou se distanciam do brasileiro. Por fim, um exame aprofundado de decisões judiciais do Supremo Tribunal Federal e do Superior Tribunal de Justiça a respeito da privacidade, compartilhamento de dados, da ponderação de interesses e da geolocalização estática tem como finalidade reforçar o raciocínio a respeito da possibilidade do uso da geolocalização em tempo real.

A energia elétrica hoje em dia é fundamental para o desenvolvimento da sociedade. Ela fornece luz, ajudano armazenamento de alimentos, permite o funcionamento de eletrônicos e eletrodomésticos e aumenta a qualidade de vida das pessoas, por meio da utilização de aparelhos de ar-condicionado, dentro outras maquinas. Devido os grandes problemas que o Brasil e o Mundo vem enfrentando com fontes energéticas, principalmente devido à escassez de chuvas e à consequente redução dos níveis dos reservatórios das hidrelétricas, além de escassez de fontes minerais como, carvão muito utilizado na china e gás natural muito utilizado em toda a a Europa. Dessa forma, as pequenas e grandes organizações tem realizado nos últimos anos grandes investimentosem fontes alternativas de energia, como eólica, energia solar, dentre outras. Tendo como objetivo central, a desoneração financeira a médio prazo e previsibilidade no planejamento de consumo energético. Porém as soluções comumente empregadas não preveem um acompanhamento amplo e não integram as mais diversas informações de consumo e operacionalidade. O presente trabalho tem como objetivo geral, a implementação de uma plataforma de supervisão IoTcom supervisório baseado em Sistemas tipo SCADA (Supervisory Control And Data Acquisition), para aintegração da usina de energia fotovoltaica instalada no Ministério da Defesa (MD) localizada na Esplanada dos Ministérios, Brasília-DF, estabelecendo indicadores e dados de operacionalidade predial, com autilização de recursos do Protocolo HTTP/Web, computação em nuvem e as orientações do Modelo de Arquitetura de Software RESTful. A plataforma integra os componentes inteligentes da usina fotovoltaica instalada no MD, como Inversores, otimizadores de potência, microcontroladores, sensores de temperatura e umidade, por exemplo, monitorando remotamente a planta de geração e os dispositivos de integração predial disponíveis. Além do desenvolvimento de um sistema de monitoramento via WEB Services (WS) e dispositivos móveis, o presente trabalho também apresenta análises de desempenho da usina fotovoltaica, permitindoo monitoramento contínuo e em tempo real dos dispositivos, detecção de falhas, análise financeira da produção de energia e fatores de economia.

A estrutura geral das redes da Internet das Coisas (IoT) ainda é um assunto interessante para pesquisa e inovação. O monitoramento geral de dispositivos em redes se torna um desafio grande nessas redes. Este artigo propõe um o estudo através de uma plataforma  de IoT para o monitoramento preventivo e contínuo da temperatura interna em freezers ultra-low, utilizados em armazenamento de vacinas. O objetivo é realizar um estudo de predição de alhas e paradas inesperadas através de tecnologias de Inteligência Artifícial. A proposta é a criação de um modelo de arquitetura de sistema IoT composto por uma unidade física Hardware para coleta local de da dos e envio e sensores de temperatura, uma camada de middleware através de um servidor cloud que realiza a coleta de dados dos dispositivos realizando um monitoramento contínuo (24/7) de temperatura em freezers que encontra se distribuídos em diversas instituições de saúde no Brasil. Além disso, possui uma camada de aplicação a fim de identificar indícios de falha através da utilização de métodos estatísticos com algoritimos específicos, utilizando modelos preditivos para series temporais.

Contexto: A preocupação com a privacidade de dados é algo que vem se destacando ao longo dos anos no mundo. No Brasil a Lei Geral de Proteção de Dados (LGPD) [42] foi publicada em agosto de 2018 e entrou em vigor dois anos após a sua publicação. Porém, algumas dificuldades ainda são enfrentadas pelas equipes de desenvolvimento na adequação dos mecanismos tecnológicos por parte das organizações que ainda estão em processo inicial de conformidade à LGPD [56]. Objetivo: Este trabalho propõe uma taxonomia de requisitos de privacidade baseada na LGPD e na ISO/IEC 29100 com o objetivo de apoiar as equipes de desenvolvimento de software no alcance da conformidade com os princípios da LGPD. Método: Foi realizada uma revisão sistemática de literatura (RSL) para identificar as taxonomias de privacidade de dados existentes na literatura com o objetivo de apoiar a elaboração da taxonomia proposta neste trabalho e a sua aplicação no projeto do Open Banking Brasil (OPB). Esse projeto é adequado pois compartilha os dados dos seus clientes a partir de seu consentimento, que está fundamentado na LGPD, tornando-se um projeto interessante para avaliação da aderência à legislação. A aplicação prática da taxonomia proposta foi realizada no processo de solicitação de consentimento e nos termos e condições de três bancos brasileiros a partir da aplicação da taxonomia proposta através de um formulário. Resultado: A RSL identificou 10 estudos primários, mas nenhum deles propuseram uma taxonomia de requisitos de privacidade no contexto da LGPD. A taxonomia proposta gerou 129 requisitos, divididos em 10 categorias e 5 contextos. Conclusão: A aplicação prática da taxonomia resultou em um percentual satisfatório de aderência aos requisitos de privacidade. Portanto, a aplicação da taxonomia em um contexto real demonstrou que a taxonomia pode apoiar as equipes de desenvolvimento de software na busca pela adequação à LGPD dos requisitos de privacidade especificados pelas equipes de desenvolvimento.

Diversos trabalhos têm investigado como realizar a adequação à Lei Geral de Proteção de Dados Pessoais (LGPD) em relação à privacidade dos dados dos usuários. Diante desse cenário de adequação à LGPD, esse trabalho tem como objetivo realizar uma análise dos princípios da LGPD e investigar o nível de conhecimento dos profissionais de tecnologias da informação e da comunicação (TIC) que trabalham direta e indiretamente com a lei. Além disso, procura-se investigar se repositório digitais seguros, em conformidade com a ISO 16363:2012 [1], também estão em conformidade com as diretrizes da LGPD. Para alcançar o objetivo dessa dissertação, foram estabelecidas três etapas de execução, a saber: 1) uma análise das legislações sobre a privacidade de dados; 2) a condução de um survey com 43 profissionais de ICT que atuam em organizações públicas e privadas - o survey contém 21 questões que abrangem legislação e tecnologia; e 3) uma análise técnica do Archivematica através de testes práticos, estáticos e dinâmicos com o auxílio de soluções open-source para realizar uma varredura de vulnerabilidades em sistemas. Os resultados demonstram que, mesmo após a LGPD entrar em vigor, 10% dos profissionais de ICT não conhecem os princípios da lei. Em relação à forma de armazenamento seguro, 45% dos profissionais de ICT afirmaram não ter conhecimento de como suas organizações realizam o armazenamento dos dados dos usuários ou o compartilhamento desses dados. 25% dos profissionais de ICT afirmaram que estão cientes que seus dados podem ser compartilhados pelas organizações. A análise realizada pela ferramenta Archivematica apresentou alguns problemas que podem indicar vulnerabilidades. A maioria dos problemas identificados pela ferramenta foram classificados como de níveis baixos e médios e podem resultar em oportunidades para possíveis atacantes, embora eles precisem de uma série de variantes para obter sucesso no ataque. Os resultados também demonstraram que os profissionais de ICT responsáveis pela adequação/conformidade da organização à LGPD precisam de cursos de aperfeiçoamento para realizar as atividades relacionadas à privacidade de dados e segurança da informação, e que o repositório seguro Archivematica, apesar de cumprir os requisitos definidos pelo órgão legislador para ser considerado seguro, não está em conformidade com a LGPD em relação às diretrizes relacionadas à Segurança e Privacidade de Dados. Dessa forma, faz-se necessária a realização de ajustes nos processos organizações e soluções de software das organizações. Sendo importante destacar dois pontos: o primeiro é a restruturação organizacional, que visa melhorar a integração entre áreas e departamentos; e o segundo é a transparência, pois a LGPD destaca que regras precisam ficar explicitas para os usuários, inclusive acessos e permissões.

Os ataques cibernéticos têm aumentado em frequência nos últimos anos, afetando pequenas, médias e grandes empresas, criando uma necessidade urgente de soluções e ferramentas capazes de auxiliar na mitigação e resposta às ameaças. Assim, com o aumento do número de ataques cibernéticos, temos uma grande quantidade de dados de ameaças de fontes heterogêneas que precisam ser ingeridos, processados e analisados a fim de obter percepções úteis para sua mitigação. Este trabalho propõe uma estrutura metodológica para coletar, organizar, filtrar, compartilhar e visualizar dados de ameaças cibernéticas para mitigar ataques e corrigir vulnerabilidades, com base em um modelo de inteligência de ameaças cibernéticas de oito etapas com visualização em linha do tempo de informações de ameaças e insights de dados analíticos. Desenvolvemos uma ferramenta para atender a essas necessidades em que o analista de segurança cibernética pode inserir dados de ameaças, analisá-los e criar uma linha do tempo para obter insights e uma melhor contextualização de uma ameaça. Os resultados mostram a facilitação da compreensão do contexto em que as ameaças e os atacantes estão inseridos, tornando o uso de Cyber Threat Inteligence mais amigável ao usuário final.

Os ataques cibernéticos são uma realidade onipresente hoje em dia, afetando organizações e países em todo o mundo. Em 2021, os incidentes de segurança da informação resultaram em bilhões de dólares em perdas. A maioria desses eventos resulta de vulnerabilidades conhecidas em ativos de tecnologia da informação. Entretanto, vários bancos de dados e fontes heterogêneos hospedam informações sobre essas falhas, tornando a avaliação de risco difícil. Apesar de bancos de dados de vulnerabilidades respectivamente apoiados pelos governos dos EUA e da China, eles diferem em operação e cobertura, o que dificulta e torna custosos os processos de avaliação de vulnerabilidades. Este trabalho propõe uma metodologia para comparar o National Vulnerability Database (NVD) dos EUA, o China National Vulnerability Database (CNVD), o China National Vulnerability Database of Information Security (CNNVD), e o Exploit Database (EDB). Os resultados revelam que o CNNVD tem mais 1.661 registros de vulnerabilidades do que o NVD e pelo menos mais 40 registros relativos a fornecedores chineses. Além disso, eles mostram uma correlação temporal de 0,917560 com 70% de similaridade de texto entre o NVD e o CNNVD, indicando que apesar do último seguir o primeiro, não é uma tradução automática dele. Além disso, uma correlação temporal de 0,917560 com 70% de similaridade de texto entre o NVD e o CNNVD mostra que o último não é uma tradução automática do primeiro. Além disso, este trabalho propõe um Recommender Exploitation-Vulnerability System (REVS) com a Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) para ordenar a vulnerabilidades. O REVS funciona como um sistema de varredura e priorização de vulnerabilidades, utilizando orquestradamente bancos de dados governamentais e registros de exploits. As provas de conceito no emulador GNS3 mostram que a proposta deste trabalho identifica mais nove vulnerabilidades do que a ferramenta comercial Vulners e que os atributos dos exploits são critérios mais importante do que os parâmetros do Common Vulnerability Scoring System (CVSS) para priorizar vulnerabilidades. De acordo com o referncial bibliográfico utilizado, este trabalho é o primeiro a normalizar e comparar o NVD, CNVD, CNNVD e EDB, mostrando que as bancos de dados de vulnerabilidades patrocinados pela China estão empregando exploits para inferir CVEs de status reservado

Esta pesquisa tem natureza aplicada, seu objetivo é propor medidas que assegurem as propriedades imprescindíveis ao documento de inteligência frente às vulnerabilidades advindas do documento digital. O trabalho emprega metodologia exploratória de abordagem qualitativa por meio de análise de conteúdo documental de trabalhos acadêmicos selecionados a partir de Revisão Sistemática de Literatura combinada com método TEMAC. O estudo identifica relação entre vulnerabilidades do documento digital e propriedades imprescindíveis ao documento de inteligência; valida medidas eficazes na mitigação destas vulnerabilidades, entre elas a Cadeia de Custódia Digital e a Curadoria Digital previstas na hipótese de pesquisa; apresenta proposta de diretrizes aplicáveis à arquitetura de governança do órgão para a implantação das medidas de mitigação; aponta lacunas técnicas a superar para a efetiva integração entre Sistema Informatizado de Gestão Arquivística de Documento (SIGAD) e Repositório Digital Confiável (RDC-Arq); lança bases para estudos de caso voltados para implantação de repositórios digitais com certificação de confiabilidade; e sugere estudos aprofundados sobre Long Term Digital Preservation as a Service (LTDPaaS) como plataforma de armazenamento confiável para arquitetura de nuvem

O tunelamento DNS usa recursos do protocolo DNS para estabelecer canais de comando e controle, podendo ser utilizado como uma ferramenta maliciosa para exfiltração de dados. Atualmente, as ameaças cibernéticas usando túneis DNS afetam sistemas multiplataforma, explorando recursos computacionais locais e em nuvem. Muitos estudos de detecção de tunelamento DNS combinam técnicas de extração de parâmetros e algoritmos de machine learning (ML), alcançando elevados níveis de acurácia. Entretanto, treinar modelos de ML em larga escala e em tempo real, continua sendo um desafio operacional e de alto custo computacional para muitas instituições. Este artigo propõe uma metodologia eficaz para detecção de tunelamento DNS, através de coletas de recursos híbridos, utilizando algoritmos não-supervisionados para identificação de anomalias. O modelo proposto tem uma abordagem operacional, podendo ser adaptado para compor sistemas de controles de segurança nas organizações.

A computação em nuvem introduziu novas tecnologias que permitiram a construção de um modelo mais ágil de integração e entrega contínua (CI/CD) no pipeline de desenvolvimento de aplicações. Uma dessas tecnologias é a utilização de contêineres em substituição às tradicionais máquinas virtuais. Além dos benefícios trazidos pelo uso dos contêineres, ameaças e riscos de ataques voltados para esses ambientes cresceram em igual proporção à sua adoção. Sistemas de Detecção de Intrusão (IDS) têm sido empregados para garantir a segurança de ambientes de nuvem, contudo, as características inerentes a esses ambientes têm apresentados novos desafios para alcançar bons resultados na detecção de intrusão. Estritamente, no que diz respeito à detecção de intrusão em ambientes de contêineres, poucos estudos foram conduzidos até o momento visando o seu aprimoramento. Neste trabalho, é proposto um framework contendo uma arquitetura composta por cinco camadas e suas ferramentas para implementação de um IDS baseado em Host (HIDS) voltado para plataformas de orquestração de contêineres através da identificação de anomalias em system calls. O framework implementado em uma topologia de rede corporativa funcional emulada no software GNS3 foi testado com um dataset de system calls público demonstrando a viabilidade de seu funcionamento. Através do experimento realizado, foi possível validar a integração entre as camadas do framework e os resultados de detecção obtidos utilizando um modelo de machine learning não supervisionado superaram os do trabalho que originou o dataset público utilizado. Os datasets são carregados, transformados e extraídos de uma plataforma gratuita e aberta com front-end para visualização de alertas de detecção de anomalias que podem ser analisados pela equipe do SOC em um dashboard criado para monitoramento do IDS e auxílio na tomada de decisão.

A digitalização das relações e da informação têm aumentado a capacidade do ser humano de produzir dados de forma exponencial. Contudo, na mesma taxa em que novos dados são criados, é cada vez mais necessário também compreender e garimpar grandes bases de dados, inclusive sem qualquer estrutura ou formatação e com propósitos diversos. Nesse contexto, o uso de técnicas de indexação de dados usando motores de busca (do inglês Search Engines) e de interpretação de conjuntos de dados com o objetivo de classificá-los e categorizá-los se mostra indispensável para cenários de Big Data e Data Lake, em que a informação pode vir de diversas fontes com características técnicas e semânticas diferentes, exigindo classificações multi-classe e técnicas de processamento de linguagem natural, comumente designadas por técnicas de NLP (do inglês Natural Language Processing). Adicionalmente, é preciso entender se as ferramentas de classificação têm viés e se os resultados são úteis e condizentes com o esperado, especialmente em contextos de investigação de crimes digitais. Esse é o problema da transparência da tomada de decisão, ou seja, da clara e/ou legível representação dos parâmetros que levaram a máquina a uma determinada decisão/classificação. Um sistema de investigação ideal, portanto, deveria ser capaz de indexar grandes bases de dados, entender a semântica e ser passível de adaptação/aprendizagem para atuar em diferentes cenários, e ao final do processo, ainda fornecer resultados enriquecidos com os parâmetros que levaram a máquina a tomar determinadas decisões para posterior auditoria da transparência no processo. Portanto, esta dissertação tem como objetivo propor uma arquitetura fim a fim de um motor de busca que indexe e use interpretações metasemânticas baseadas em técnicas de processamento de linguagem natural em dados oriundos de páginas Web, de forma a prover, também, exemplos de parâmetros similares às classificações derivadas das amostras. O prefixo ”meta” no termo ”metasemântica” se refere a um conjunto de técnicas de classificação, predição e enriquecimento de dados aplicados para emular o processo de indexação semântica, porém preservando a auditabilidade do processo. Para efeito de validação da proposta, foram criadas amostras de páginas Web e utilizou-se bases de dados oficiais para treinamentos de instâncias de aprendizado de máquina para simulação de contextos reais de aplicação do projeto. Como resultado, a validação mostra como o motor de busca proposto permite o armazenamento e processamento de dados sem formatação originários de páginas Web e aumenta a velocidade e objetividade com que investigações passam a ser realizadas e auditadas em contextos de processamento de linguagem natural, especialmente relevantes para contextos de crimes digitais.

Ataques sofisticados tem ocorrido na cyber supply chain por meio da exploração de vulnerabilidades em componentes que antes eram considerados seguros devido às relações de confiança existentes. Uma das opções para se mitigar este tipo de risco cibernético é por meio da implantação de uma arquitetura Zero Trust. Esse tipo de abordagem realiza uma revisão de todas as relações de confiança. Desconsidera a confiança implícita em qualquer componente e baseia-se na premissa da existência de ameaças internas à rede corporativa. O presente trabalho propõe a integração de uma arquitetura Zero Trust em uma cyber supply chain. A principal contribuição deste estudo é propor uma organização de controles de segurança para uma cyber supply chain em domínios, permitindo melhorias de segurança por meio da aplicação de princípios de uma arquitetura Zero Trust. O estudo também fornece um checklist que permite uma análise de gap e sugere algumas formas de visualização desse resultado.