Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Santos, Max Mauro Dias | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-7877-3554 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6212006974231025 | - |
Autor(es): dc.contributor | Andrade, Mauren Louise Sguario Coelho de | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-1745-7299 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/2322596810080873 | - |
Autor(es): dc.contributor | Pacheco, Mauricio Zadra | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-7188-4400 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6951148118690656 | - |
Autor(es): dc.contributor | Yoshino, Rui Tadashi | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-7267-4464 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1374012206166960 | - |
Autor(es): dc.creator | Soares, Lucas Silveira | - |
Data de aceite: dc.date.accessioned | 2025-08-29T11:45:50Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T11:45:50Z | - |
Data de envio: dc.date.issued | 2024-07-03 | - |
Data de envio: dc.date.issued | 2024-07-03 | - |
Data de envio: dc.date.issued | 2023-12-17 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/33835 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1082786 | - |
Descrição: dc.description | Anomaly detection algorithms play a crucial role in ensuring the security and stability of various systems. These algorithms employ statistical learning techniques and machine learning models to identify unusual patterns and activities within the network to help detect attacks. As a result, technological advances around Artificial Intelligence (AI) have brought new possibilities and challenges, especially in the automotive sector with the development of Autonomous Driving Vehicles (VCA). In the meantime, the objective of this study is to analyze the vulnerabilities of these systems, focusing on detecting anomalies that could compromise their security and efficiency. The justification for conducting this research is given by the growing importance of VCA and the need for rigorous validation of their systems. The methodology adopted consisted of a systematic literature review following the PRISMA method, through which twenty-seven studies were selected for analysis. The results pointed to a critical need for advanced algorithms capable of efficiently detecting and mitigating anomalies. Thus, an anomaly detection system using Decision Tree and Artificial Intelligence Network was applied to the KDD99 database, evaluating its accuracy. It is concluded that security in VCA is an expanding field of research, with anomaly detection being a crucial element for the advancement of technology. | - |
Descrição: dc.description | Os algoritmos de detecção de anomalias desempenham papel crucial na garantia da segurança e estabilidade de vários sistemas. Esses algoritmos empregam técnicas de aprendizado estatístico e modelos de aprendizado de máquina para identificar padrões e atividades incomuns dentro da rede auxiliando na detecção de ataques. Em razão disso o avanço tecnológico na área de Inteligência Artificial (IA) trouxe novas possibilidades e desafios especialmente no setor automobilístico com o desenvolvimento de Veículos com Condução Autônoma (VCA). Nesse ínterim o objetivo deste estudo é analisar as vulnerabilidades desses sistemas focando na detecção de anomalias que possam comprometer sua segurança e eficiência. A justificativa para a realização dessa pesquisa se dá pela importância crescente dos VCA e pela necessidade de validações rigorosas dos seus sistemas. A metodologia adotada consistiu em uma revisão sistemática de literatura seguindo o método PRISMA, através da qual 27 estudos foram selecionados para análise. Os resultados apontaram para a necessidade crítica de algoritmos avançados capazes de detectar e mitigar anomalias de forma eficiente. Dessa forma, foi aplicado um sistema de detecção de anomalias utilizando Decision Tree e Artificial Intelligence Network no banco de dados KDD99 testando sua acurácia. Conclui-se que a segurança em VCA é um campo de pesquisa em expansão, sendo a detecção de anomalias um elemento crucial para o avanço da tecnologia. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
Palavras-chave: dc.subject | Indústria automobilística | - |
Palavras-chave: dc.subject | Redes de computadores - Medidas de segurança | - |
Palavras-chave: dc.subject | Hackers | - |
Palavras-chave: dc.subject | Criptografia | - |
Palavras-chave: dc.subject | Autenticação | - |
Palavras-chave: dc.subject | Detectores | - |
Palavras-chave: dc.subject | Automobile industry and trade | - |
Palavras-chave: dc.subject | Computer networks - Security measures | - |
Palavras-chave: dc.subject | Computer hackers | - |
Palavras-chave: dc.subject | Cryptography | - |
Palavras-chave: dc.subject | Authentication | - |
Palavras-chave: dc.subject | Detectors | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
Título: dc.title | Sistema de detecção de intrusão em sistemas veiculares: estratégia de desenvolvimento para prevenção de ataques cibernéticos e detecção de anomalias | - |
Título: dc.title | Intrusion detection system in vehicle systems: development strategy for preventing cyber attacks and detecting anomalies | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: