In multi-stakeholder systems, such as healthcare, the Internet of Things, and supply chain management, there is frequent data generation, exchange, and sharing. As a result, data owners often desire control over their data and maintain privacy, while data consumers require methods to ascertain the origins and creators of the data. These conflicts of interest require developing data governance systems that guarantee data provenance, privacy protection, consent management, and selective disclosure. This research proposed a decentralized data governance system utilizing blockchain technology, proxy re-encryption (PRE), and Boneh, Boyen, and Shacham (BBS) signatures to address these challenges. The proposed system enables data owners to control, selectively share, and track their data through privacy-enhancing, consent management, and selective disclosure mechanisms while also allowing data consumers to understand the lineage of the data through a blockchain-based provenance mechanism. As a case study, the research examined and evaluated electronic prescriptions involving sensitive data and multiple stakeholders, including patients as data owners and doctors and pharmacists as data consumers. The research was structured as a collection of published articles organized in the following sequence: problem formulation and developing smart contracts, implementing privacy and consent management through PRE, and applying BBS signatures for selective data sharing. The proof-of-concept implementation and evaluations, conducted using CosmWasm, Hyperledger Besu, Ethereum, pyUmbral PRE, and BBS signatures, demonstrate that the proposed decentralized system is platform-agnostic, scalable, and capable of providing a higher level of transparency, privacy, and trust with minimal overhead.
Connected and autonomous vehicles (CAVs) are part of the Internet of Things, exposing them to cyberattacks. CAVs comprise several systems, such as advanced driver assistance systems, that require high bandwidth for critical data transmission, where automotive Ethernet plays an essential role as an enabling technology. In this paper, we propose a deep learning-based intrusion detection system for detecting replay attacks in an automotive Ethernet network. It uses a convolutional neural network architecture and a multi-criteria optimization technique. Our experimental results show a reduction of 900x in the storage size and a speedup of 1.4x in the detection time with a negligible drop in the F1-score compared to existing work.
Neste artigo, investigamos o impacto que amostras adversárias causam em algoritmos de aprendizado de máquina supervisionado utilizados para detectar ataques em um sistema ciberfísico. O estudo leva em consideração o cenário onde um atacante consegue obter acesso a dados do sistema alvo que podem ser utilizados para o treinamento do modelo adversário. O objetivo do atacante é gerar amostras maliciosas utilizando aprendizado de máquina adversário para enganar os modelos implementados para detecção de intrusão. Foi observado através dos ataques FGSM (Fast Gradient Sign Method) e JSMA (Jacobian Saliency Map Attack) que o conhecimento prévio da arquitetura do algoritmo alvo pode levar a ataques mais severos, e que os algoritmos alvo testados sofrem diferentes impactos conforme se varia o volume de dados roubados pelo atacante. Por fim, o método FGSM produziu ataques com maior severidade média que o JSMA, mas o JSMA apresenta a vantagem de ser menos invasivo e, possivelmente, mais difícil de ser detectado.
O uso de redes definidas por software alavancou a adoção de técnicas de telemetria para um monitoramento de alta granularidade. Sua adoção indiscriminada, contudo, gera custos adicionais que podem degradar o desempenho da rede, provocar um volume exagerado de dados a serem armazenados e processados e, assim, inviabilizar seus benefícios. A adoção de telemetria adaptativa surge então como uma forma de contornar esse problema. Este trabalho propõe o uso de aprendizado por reforço profundo para prover uma telemetria adaptativa do plano de dados que monitore congestionamentos. Um ambiente para prova de conceito foi desenvolvido sobre uma versão da plataforma ONOS habilitada com o mecanismo In-Band Network Telemetry (INT) e switches P4. Experimentos variando perfis de tráfego e hiperparâmetros do mecanismo de aprendizado confirmam os benefícios da proposta e exploram suas limitações.
A rápida adoção de tecnologias de Internet das Coisas (IoT) gera uma demanda crescente por soluções que garantam a escalabilidade das aplicações. O número cada vez maior de dispositivos IoT gera um aumento proporcional no tráfego na borda da rede. A programação do plano de dados permite que os dispositivos de rede, ora destinados a funções específicas e bem definidas, possam se comportar de forma não padronizada, abrindo caminho para novas abordagens na solução de problemas. Este artigo apresenta uma solução de otimização de tráfego IoT com LoRaWAN, usando um filtro implementado na linguagem P4 para o plano de dados na plataforma P4Pi. Os resultados experimentais mostram que o filtro LoRaWAN P4 diminui a carga na CPU, o atraso e a perda de pacotes, comprovando a viabilidade do uso da programação no plano de dados para tornar a borda da rede mais versátil.
The internet has changed the way banks deliver services to customers. Due to the high number of digital accesses, interruptions in Information Systems cause great damage to the financial system. One of the strategies implemented to achieve a stable environment is the continuous monitoring of services, as described by ITIL. Given the above, this work proposes a failure detection approach through data mining techniques using the CRISP-DM reference model. The approach involves evaluating data extracted from a web analytics tool, in real time, to identify critical failures in a mobile banking application. The effects of different feature engineering techniques, such as variable filtering, data standardization and synthetic sample generation, were evaluated in 7 classification algorithms. Finally, the results were compared, and the support vector machine was the one that obtained the best result, with an F1-Score of 0.954 and a ROC-AUC of 0.989.
Caracterizar as vulnerabilidades dos roteadores Wi-Fi é essencial para identificar e quantificar os riscos e ameaças presentes no ecossistema digital que permeia a rotina dos usuários. Este artigo analisa os firmwares de roteadores Wi-Fi presentes no mercado brasileiro. Os resultados indicam uma predominância de Linux nas arquiteturas MIPS e ARM, com defasagem média de 5 a 10 anos de lançamento do kernel em relação à versão mais recente do firmware. Observaram-se 1344 e 72 vulnerabilidades em média no kernel e nas aplicações; e 54 indicadores de comprometimentos que podem levar a vulnerabilidades na interface web. Por outro lado, a substituição por um firmware open-source (OpenWrt, DD-WRT, Tomato) reduz as médias de vulnerabilidades para 291, 12 e 21 para kernel, aplicações e interface web, respectivamente. Por fim, esta investigação permitiu o relato de uma nova vulnerabilidade (zero-day) de execução remota de código.
Em redes veiculares (VANETs) há vários sistemas de transporte que se apoiam em diferentes modelos dependentes do IP para comunicação entre veículos. Entretanto, muitas abordagens não são seguras e adequadas para o contexto, utilizando-se de tecnologias específicas, arquiteturas de rede ou modelos de comunicação limitados. Além disso, muitas aplicações acabam tendo que lidar com questões complexas de serviços não ofertados pela rede. Este artigo propõe o NDN-Waze, um sistema leve totalmente distribuído para VANET via Named Data Networking (NDN). NDN-Waze é uma prova conceitual completa do design de uma aplicação de orientação de rota veicular. Os resultados de simulação ilustram que propriedades da NDN podem sobrepor propostas tradicionais de encaminhamento de dados baseados no IP em VANET.
A arquitetura de software padrão para jogos para dispositivos móveis requer o processamento local da lógica do jogo e gráficos. Por sua vez, as arquiteturas de remote gaming em nuvem para dispositivos móveis apresentam alta latência para os comandos de jogo e um alto custo para o provedor do serviço. Esse trabalho propõe a arquitetura Gaming On The Edge (GOTE), que visa permitir que jogos complexos sejam jogados em dispositivos móveis usando computação na borda da rede para processamento de gráficos e distribuição de conteúdo multimídia. Resultados experimentais da avaliação da prova de conceito dessa arquitetura indicam ser esta uma alternativa viável para remote gaming baseado em nuvem para jogos em dispositivos móveis, com menor latência de vídeo e de comandos de jogo. Além disso, uma implementação da arquitetura foi disponibilizada com código aberto para auxiliar futuras pesquisas na área.
Os Veículos Aéreos Não Tripulados (ou UAV, do inglês Unmanned Aerial Vehicles) tiveram um crescimento significativo devido a seus preços acessíveis, disponibilidade e facilidade de operação. Esses benefícios de operabilidade levaram a sua introdução em muitas aplicações civis, incluindo vigilância, monitoramento remoto, operações de socorro, além do uso recreativo. Para aplicações críticas, uma plataforma realista de simulação de missão de UAV, incluindo modelos precisos para prever o alcance e a qualidade da comunicação entre o UAV e a estação terrestre, é de grande valia para garantir a eficácia e a segurança do voo. Nossos estudos mostraram que as plataformas de simulação são, em geral, simplificadas quanto aos modelos de comunicação. Neste artigo, propomos uma arquitetura de simulação baseada no SITL ArduPilot que introduz modelos de comunicação mais precisos.
Sistemas de Detecção de Intrusão de nova geração empregam aprendizado de máquina para treinar modelos de forma colaborativa. Os participantes compartilham apenas o modelo treinado localmente, mantendo os dados privados locais nos dispositivos. Este trabalho propõe um Sistema de Aprendizado de Máquina totalmente distribuído para a Detecção de Intrusão, baseado em uma topologia de comunicação par-a-par. A ideia central é o compartilhamento de um modelo de Árvore de Decisão, em que as árvores compartilhadas compõem uma Floresta de Decisão Distribuída. O trabalho simula e compara a proposta com um Sistema de Detecção de Intrusão Federado, com topologia de comunicação de servidor de parâmetros, utilizando como modelo de aprendizado a rede neural. As simulações realizadas mostram que o modelo de Floresta de Decisão Distribuída apresenta a mediana da acurácia em 79% com apenas uma rodada de agregação. O modelo de rede neural atingiu mediana de acurácia de 86%, porém em 10 rodadas de treinamento e agregação. Os resultados mostram que o modelo de Floresta de Decisão Distribuída dispõe de menor sobrecarga de processamento e maior privacidade sobre os dados para alcançar desempenho comparável à rede neural federada.
A arquitetura Open RAN (O-RAN) promove a desagregação das Redes de Acesso de Rádio (RANs em inglês) através de interfaces não proprietárias e controladores inteligentes da RAN (RICs, em inglês). A O-RAN enfrenta vários desafios, principalmente relacionados às aplicações dos RICs que otimizam o desempenho da RAN. Neste artigo, apresentamos um estudo da arquitetura ORAN e uma proposta de mecanismo de handover (HO), elemento fundamental em redes móveis. O handover O-RAN foi adicionado ao simulador ns-3. Os resultados de simulação mostram que o HO pode ser gerido pelo RIC, sem prejudicar severamente o serviço. Alternativamente, há sobrecarga do canal de controle caso a célula dispare o HO e o RIC decida a célula de destino.
As redes neurais profundas (DNNs) são sensíveis a imagens com distorção, tendo sua acurácia reduzida. Este trabalho analisa como soluções de DNNs com saídas antecipadas (EE-DNNs) podem resolver esse problema. As EE-DNNs possuem ramos laterais inseridos em suas camadas intermediárias para classificar antecipadamente amostras na borda e evitar envios para a nuvem. Além disso, múltiplos ramos laterais podem compor um comitê e produzir coletivamente uma inferência mais precisa. Os resultados, em termos de acurácia, mostram que EE-DNNs e o comitê são tão sensíveis quanto DNNs convencionais. Entretanto, dado o uso da borda, essas abordagens conseguem reduzir o tempo de inferência e o número de operações para classificar imagens.
Este trabalho apresenta a blockchain permissionada vCubeChain, que é escalável por definição, sendo baseada na topologia distribuída dinâmica vCube. O vCube é um detector de falhas que conecta um conjunto de n processos corretos em uma topologia virtual hierárquica, que é um hipercubo quando todos os processos estão corretos. Quando os processos falham por parada, o vCube se reorganiza mantendo diversas propriedades logarítmicas. A vCubeChain elege um líder, que utiliza uma estratégia autonômica de difusão confiável para disseminar blocos na rede. Cada bloco consiste de múltiplas transações. Múltiplos líderes concorrentes podem ser eleitos, caso o detector de falhas levante falsas suspeitas. Ainda assim, é provado que a vCubeChain se mantém íntegra, sempre retornando a um estado consistente. No artigo, além da especificação e provas de corretude, um conjunto de experimentos é apresentado demonstrando o desempenho, em particular a escalabilidade da solução em comparação a outras alternativas.
Este trabalho propõe um modelo de auditoria e conformidade de acordos de nível de serviço (SLA) baseado em blockchain para fatiamento de recursos de rede, a fim de oferecer um monitoramento transparente e distribuído. O modelo busca minimizar problemas de violação entre as entidades envolvidas no processo, visando construir uma relação de confiança entre provedores de recursos de rede em mercados distribuídos. Embora haja um custo computacional para executar o monitoramento de SLA, a adição dessa camada de conformidade pode trazer transparência ao negócio e evitar o consumo indevido de recursos, multas onerosas e danos à reputação.
As redes de canais de pagamento (Payment Channel Networks - PCN) têm atingido sucesso ao substituir os lentos mecanismos de consenso global por acordos criptográficos locais entre nós participantes. Apesar do sucesso, as PCNs sofrem com os modelos atuais de posicionamento de novos nós participantes, que ignoram possíveis ganhos financeiros dos usuários e incentivam a centralização da rede. Este artigo apresenta um modelo de adição de novos nós à rede que cria conexões de alto retorno financeiro ao usuário e baixo custo de emissão de transações. O trabalho formula o problema da adição do nó à rede matematicamente e demonstra que o problema é NP-difícil. O modelo proposto permite ainda que usuários criem canais de longa duração. O artigo desenvolve uma heurística baseada em um algoritmo guloso para resolução do problema. A análise da heurística implementada mostra que a solução oferece recompensa até 3 vezes maior e custo 2 vezes menor que métodos tradicionais que priorizam nós de maior grau, maior centralidade ou PageRank.
Smart urban mobility emerged from the urban citizen’s need for a fast urbanization environment, using personal devices and city infrastructure integration, data generation, and mobility services provided on congested and possibly dangerous urban roads. However, traditional routing services need to consider users’ experience, comfort and health because they usually choose only routes with the shortest paths or less traffic. This work proposes a route selection method based on a personalized preference for different user profiles, and essential geolocated factors from data collection, including crime occurrences and air quality factors. The suggestion method allows safer, healthier, and more pleasant paths for drivers and analytic data for city planners compared to single-criteria route selection approaches.
O uso de tecnologias inteligentes está cada vez mais presente no cotidiano da população devido ao avanço da Internet das Coisas (IoT). Pesquisas demonstram que invasores podem utilizar estatísticas presentes em atributos do tráfego, como tamanho dos pacotes, para inferir informações sigilosas do usuário. Na literatura, diversas abordagens de preenchimento foram propostas para proteger a privacidade do usuário contra ataques baseados em análise de tráfego. As soluções propostas inserem dados redundantes na rede, o que pode causar atrasos e sobrecargas. Esse trabalho propõem uma heurística para preenchimento de pacotes com o objetivo de mitigar ataques baseados em análise de tráfego que utilizem o tamanho dos pacotes para inferir informações do usuário. Para balancear o trade-off entre privacidade e desempenho, a heurísitica tem o objetivo de minimizar a quantidade de bytes adicionados nos pacotes. O método de preenchimento desenvolvido obteve uma melhoria de até 90% no trade-off comparada com a abordagem similar.
O consenso é um problema fundamental de sistemas distribuídos. Neste trabalho é proposto o algoritmo HyperPaxos, uma versão hierárquica de um dos principais algoritmos de consenso, o Paxos. O HyperPaxos é baseado na topologia virtual hierárquica vCube, que apresenta diversas propriedades logarítmicas. O HyperPaxos organiza os acceptors em clusters e os proposers enviam suas mensagens para um acceptor dito difusor que faz a retransmissão para os demais acceptors usando difusão sobre o vCube. Inicialmente, o difusor envia a mensagem para o seu maior cluster na tentativa de conseguir uma maioria para a fase 1 ou 2. Caso não consiga, continua a difusão para seus próximos clusters, do maior para o menor. O HyperPaxos foi implementado como a biblioteca libHyperPaxos. Resultados obtidos mostram o bom desempenho da libHyperPaxos, que inclusive supera a libPaxos e, em alguns casos, a implementação do U-Ring Paxos em decisões por segundo.
O processamento de banda base centralizado impõe requisitos de alta largura de banda e atraso de fronthaul em implantações de Cloud Radio Access Networks (CRAN). Para resolver esses problemas, consideramos uma arquitetura híbrida chamada Cloud-Fog RAN (CF-RAN). Ele alivia as restrições de fronthaul usando computação em fog e virtualização de funções de rede (NFV) para colocar Unidades de processamento de banda base (BBUs) virtualizadas em nós de fog mais próximos dos usuários. Neste artigo, utilizamos programação linear inteira (PLI) e relaxação linear para resolver o problema da colocação de processamento de BBU virtual (vBBU) voltado para eficiência energética a partir da ativação mínima de elementos de processamento na rede. O principal objetivo deste artigo é apresentar uma alternativa escalável para a solução ótima com redução no tempo de execução. Os resultados mostram que uma abordagem heurística baseada no relaxamento linear reduz significativamente a utilização de recursos computacionais e o tempo de execução.
