Banca de DEFESA: MADSON LUIZ MAGNO DA SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : MADSON LUIZ MAGNO DA SILVA
DATA : 30/07/2026
HORA: 09:00
LOCAL: https://teams.microsoft.com/meet/291920227735914?p=wk17xTbGOZYrlHDmJF
TÍTULO:

PRIORIZAÇÃO INTELIGENTE DE VULNERABILIDADES: UMA ABORDAGEM BASEADA EM PERFIS DE RISCO DESCOBERTOS COM MACHINE LEARNING

PALAVRAS-CHAVES:

Priorização de Vulnerabilidades, Machine Learning, Inteligência Artificial Generativa, Segurança Pública, Dados Sintéticos.

PÁGINAS: 69
RESUMO:

A gestão de vulnerabilidades em infraestruturas críticas governamentais enfrenta o desafio de priorizar de forma eficiente as ameaças. O uso isolado de métricas estáticas, como o Common Vulnerability Scoring System (CVSS), gera fadiga de alertas devido ao alto volume de classificações de criticidade máxima que não são exploradas na prática. Esta dissertação propõe um modelo bidimensional de priorização de riscos que integra a Probabilidade baseada em Exploração (EPSS) e a Nota de Criticidade de Sistema (NCS), utilizando aprendizado de máquina não supervisionado. A seleção algorítmica foi fundamentada em estudo comparativo prévio, aplicandose o K-Means para segmentar as vulnerabilidades em perfis de risco e o DBSCAN para a detecção de anomalias espaciais. Para atestar a escalabilidade e a robustez do modelo sem comprometer a Segurança Operacional (OPSEC) do Estado, a pesquisa incluiu testes de estresse em larga escala. Empregou-se Inteligência Artificial Generativa, por meio de redes adversárias (CTGAN), para criar uma base sintética com 101.000 registros. O procedimento preservou a fidelidade estatística do ambiente real, validada rigorosamente pelo teste de Kolmogorov-Smirnov. Os resultados em ambiente controlado indicaram uma redução de 69% no esforço de remediação imediata em comparação ao método tradicional. Nos testes de estresse, o K-Means manteve a eficiência computacional no particionamento de grandes volumes de dados, enquanto o DBSCAN identificou com precisão os cenários extremos injetados artificialmente. Conclui-se que o modelo proposto oferece uma solução escalável, reprodutível e segura para o direcionamento de recursos em segurança cibernética, figurando como um instrumento de antecipação aplicável ao Subsistema de Inteligência de Segurança Pública (SISP).

MEMBROS DA BANCA:
Interno - ***.225.135-** - GERALDO PEREIRA ROCHA FILHO - UnB
Interno - 1141309 - JOAO JOSE COSTA GONDIM
Externo à Instituição - JOAO LUIZ PEREIRA MARCIANO - CD
Presidente - ***.508.301-** - JOAO SOUZA NETO - UnB