Local: Sala Multiuso CIC

Horário: 14h

Palestrante: Luis Alberto Belem Pacheco (mestrando)

Título: Arquitetura para Privacidade em Cloud of Things

Resumo: Através da Internet das Coisas (IoT), uma imensa quantidade de dispositivos são conectados à internet, gerando uma grande quantidade de dados. Computação em nuvem é uma tecnologia adotada atualmente para processar, armazenar e prover controle de acesso a dados. Atualmente propõe-se a integração entre computação em nuvem e a Internet das Coisas, a essa integração chama-se Cloud of Things - CoT. Essa abordagem é especialmente útil para redes domésticas e pessoais, tais como automação residencial e assistência médica, pois facilita o acesso a informação pelos indivíduos. Apesar de trazer benefícios aos usuários, a integração desses dois conceitos tecnológicos introduz muitos desafios na área de segurança, já que a informação sai da esfera de controle do usuário ao ser enviada para a nuvem. Para que haja uma adoção em massa dessa tecnologia é importante que hajam protocolos e mecanismos para preservar a privacidade dos usuários ao armazenar seus dados na nuvem. Neste contexto, este trabalho propõe uma arquitetura de privacidade em Cloud of Things, permitindo ao usuário o controle completo do acesso aos dados gerados pelos dispositivos de suas redes IoT e armazenados na nuvem. A arquitetura proposta provê um controle fino sob os dados, pois os protocolos e controles de privacidade são executados nos dispositivos e não na borda da rede pelo gateway, o qual também pode representar um ponto único de falha ou quebrar a segurança do sistema uma vez comprometido por um ataque bem sucedido.

Horário: 15h

Palestrante: Rafael Marconi Ramos (doutorando)

Título: Framework Multiagente para Ajuste de Parâmetros de Aplicações Utilizando Hiper-heurística

Resumo: Diversas aplicações reais precisam ter seus parâmetros ajustados para otimização dos resultados. Normalmente, testar todas as possíveis combinações de configuração é computacionalmente inviável considerando o tempo de processamento necessário. Além disso, o ajuste de parâmetros de diversas aplicações de forma automática demanda tratá-las como caixa-preta, o que não é adequado para o uso de técnicas de otimização com funções matemáticas que encontrem máximos e mínimos locais e globais. Nesse caso, as soluções algorítmicas utilizam heurísticas para percorrer o espaço de possibilidades para encontrar o melhor resultado possível de maneira eficiente. Existem diversas heurtísticas disponíveis na literatura, e.g., Nelder-Mead (NM), Pattern Search (PS), Particule Swarm Optimization (PSO), DIRECT; mas estas não apresentam bons resultados de maneira global estando associados a classes específicas de problemas. Neste contexto, a possibilidade de uso de hiper-heurística para combinar as heurísticas existentes mais adequadas ao problema torna-se uma alternativa promissora. Esse trabalho apresenta um framework multiagente para realizar dinamicamente o ajuste de parâmetros de aplicações caixa-preta utilizando técnica de hiper-heurística. Os agentes autônomos do framework realizam o ajuste dinâmico de parâmetros das aplicações combinando diversas heurísticas em tempo de execução de maneira eficiente. Os experimentos iniciais utilizaram uma aplicação não determinística e CPU intensiva, denominada MASE (Multi-Agent System for Environmental Simulation), a qual possui 5.4 milhões de possibilidades de combinação de parâmetros. Os resultados demonstraram a potencialidade da abordagem com uso de hiper-heurística, reduzindo 59% da quantidade de testes necessários para encontrar o melhor resultado.

Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)

Coordenadora dos Seminários de Pós-Graduação em Informática 2017-2