Encontro com Líderes em Cibersegurança – Edição 2021_15/01/2021__15/01/2021

O mundo está passando por uma transformação e isto inclui o ciberespaço. A segurança cibernética atrai cada vez mais a atenção da academia e da indústria, muitas vezes impulsionada por ataques sofisticados, pujantes e comprometedores que causam elevados prejuízos financeiros para as instituições, além de comprometerem suas reputações. As leis gerais de proteção dos dados em definição e em vigência no mundo corroboram para uma discussão aprofundada do tema no nível de instituições e indivíduos.

Dentro deste contexto de transformação, em 2020, nós iniciamos esta série de webinars “Encontro com Líderes em Cibersegurança” em que conversamos com líderes, nacionais e internacionais, na academia e na indústria sobre temas relacionados à cibersegurança. Além disso, nesta edição de 2021, deixaremos também um espaço para que líderes possam expor seus trabalhos, se assim o desejarem. O objetivo é entender como pensam esses líderes, conhecer seus trabalhos e aprender com suas experiências.

Neste primeiro encontro da edição de 2021, apoiado pela Escola Superior de Redes (ESR), pelo projeto RNP-NSF HealthSense e pelo projeto MCTIC/FAPESP MENTORED, temos como convidado o Prof. Kaushik Chowdhury, da Universidade Northeastern, Boston, EUA. Prof. Chowdhury fará uma breve apresentação em inglês intitulada “Deep Convolutional Neural Networks for Device Identification” em que ele expõe suas pesquisas e avanços na proteção de vazamento de dados (tais como a identificação de dispositivos) em redes sem fio usando técnicas de inteligência artificial. Abaixo o resumo de sua apresentação traduzido do inglês para o português a partir do texto oferecido pelo professor.

Resumo da apresentação:
A densificação da rede está pronta para permitir o grande salto esperado para era do 5G e além. Na primeira parte da apresentação, identificamos os desafios em verificar a identidade de um emissor específico em um grande conjunto de dispositivos semelhantes com base em distorções únicas do sinal, ou ‘impressões digitais de radiofrequência (RF)’, à medida que passa por transmissores. Mostramos como é possível identificar de forma exclusiva um rádio usando técnicas de inteligência artificial, como as redes neurais convolucionais profundas. Na segunda parte da apresentação, mostramos como a injeção intencional de distorções e filtros podem ajudar na classificação aprimorada. Finalmente, discutimos como detectar novos dispositivos não vistos anteriormente durante o treinamento usando padrões estatísticos observados. Concluímos mostrando casos de detecção de impressões digitais RF em cenários da 5G e redes de veículos não-tripulados.