Projetos e temas de pesquisa para alunos em 2022
Apresentamos aqui alguns temas de pesquisa propostos por orientadores do módulo de formação Pesquisa em Engenharia de Computação 2022. Esta lista não é exaustiva e será atualizada à medida que novas informações forem recebidas. Ela está organizada em ordem alfabética de nome dos orientadores.
Profa. Dra. Anna Helena Reali Costa
Meu objetivo de pesquisa consiste em investigar, propor, desenvolver, avaliar e aplicar modelos e algoritmos em Aprendizado de Máquinas (ML – Machine Learning). ML é uma subárea da Inteligência Artificial e busca fornecer conhecimento aos computadores através de dados, observações e interações com o mundo, permitindo que generalizem corretamente novos eventos e configurações. Um dos paradigmas de ML que me interessa particularmente é o Aprendizado por Reforço (RL – Reinforcement Learning), uma das técnicas mais bem-sucedidas para treinar agentes através de interações com o ambiente. Tenho atuação e interesse em diversas aplicações, em especial na área de interação humano-máquina por meio de linguagem natural (área de Processamento de Linguagem Natural). As pesquisas serão desenvolvidas no âmbito do C2D (Centro de Ciência de Dados) do PCS e do C4AI (Center for Artificial Intelligence), do InovaUSP. Há possibilidades de bolsas para alunos do módulo de formação em Pesquisa em Engenharia de Computação em 2022 pelo C2D, os quais são muito bem-vindos!
Profa. Dra. Cíntia Borges Margi
As redes de sensores sem fio (RSSF) são tecnologias valiosas para o desenvolvimento de aplicações em diversas áreas, desde o monitoramento ambiental a redes sociais. A Internet das Coisas (IoT – Internet of Things) amplia ainda mais a possibilidade de uso desta tecnologia, fazendo com que características como mobilidade e heterogeneidade da rede e de dispositivos ampliem os desafios a serem superados para a implantação de protocolos de comunicação. A pesquisa visa projeto, implementação, modelagem e avaliação de protocolos de comunicação para RSSF e IoT, considerando o paradigma das redes definidas por software (SDN – Software-defined Networking). Este projeto envolve diversos aspectos relacionados à comunicação e segurança para Internet das Coisas.
Prof. Dr. Fabio Gagliardi Cozman
1)Agente especialista sobre a Amazônia Azul:
Um grupo de pesquisadores da USP está desenvolvendo um sistema que coleta informações sobre a costa brasileira (região denominada Amazônia Azul); esse sistema deverá ter uma interface conversacional e uma base de conhecimento para encontrar respostas e formular soluções. O agente especialista terá vários módulos, tanto para processamento de linguagem natural, quanto para coleta e sumarização automática de informações — módulos que podem ser objeto de pesquisas inovadoras.
2) Chatbots que explicam
Atualmente chatbots se limitam a receber perguntas e oferecer respostas padronizadas, a maior parte das quais é gerada por templates. O desafio está em construir chatbots que possam de fato explicar a razão de suas recomendações e respostas. O foco deste trabalho será justamente a geração automática dessas explicações.
Profa. Dra. Fátima de Lourdes dos Santos Nunes Marques
1) Desenvolvimento e avaliação de simuladores de Realidade Virtual aplicados à saúde
O objetivo deste projeto é dar continuidade a projetos anteriores de desenvolvimento de simuladores de realidade virtual aplicados à saúde. Os simuladores são utilizados para treinar procedimentos necessários a aprendizes e profissionais na área de Medicina e Odontologia, tais como: anestesia, biópsia e palpação. Há possibilidade do aluno se envolver tanto no desenvolvimento do simulador quanto na proposição de técnicas de avaliação de aprendizes usando simuladores já existentes. Áreas envolvidas: Realidade Virtual, Aprendizado de Máquina
2) Processamento de vídeos de câmeras de segurança
O objetivo deste projeto é usar processamento de imagens e/ou aprendizado de máquina para identificar eventos em vídeos de segurança. Há possibilidade do aluno usar técnicas computacionais para identificar, rastrear e classificar diversos objetos nos vídeos, tais como pessoas e veículos. Áreas envolvidas: Processamento de Imagens, Aprendizado de Máquina
3) Auxílio ao diagnóstico em Odontologia
O objetivo deste projeto é usar processamento de imagens e/ou aprendizado de máquina para identificar anomalias em imagens odontológicas, tais como cáries em diversos estágios de desenvolvimento. Áreas envolvidas: Processamento de Imagens, Aprendizado de Máquina
Prof. Dr. Hae Yong Kim
A minha pesquisa consiste em aplicar Processamento de Imagens e Aprendizagem de Máquina (incluindo aprendizagem profunda por rede convolucional) em diferentes áreas, por exemplo:
1) Diagnóstico de câncer em mamografia usando rede convolucional
Mamografia é um exame baseado em raio-x e é um dos mais importantes para identificar câncer de mama em seus estágios iniciais. Em cooperação com FM-USP, estamos criando um BD de mamografias e desenvolvendo um sistema de rede neural convolucional para ajudar os radiologistas no diagnóstico de câncer de mama. Também estamos aplicando aprendizagem de máquina em ressonância magnética para análise de resposta à quimioterapia neoadjuvante em câncer de mama.
2) Análise de sinalização horizontal das vias
Segurança viária é uma preocupação global. A sinalização horizontal das vias deve apresentar visibilidade diurna e noturna, pelo contraste e pela retrorrefletividade. Em cooperação com Eng. Civil, EP-USP, estamos analisando as imagens microscópicas das sinalizações horizontais para modelar a degradação de retrorrefletividade do material ao longo do tempo.
Prof. Dr. Marcos Antonio Simplício Junior
Segurança na Indústria 4.0: algoritmos, protocolos e testes automatizados
Existem na literatura alguns trabalhos voltados a lidar com ataques de modificação de firmware, um risco importante dos sistemas industriais com alto grau de automação que compõem a chamada “Indústria 4.0”. Uma das principais e mais amplas iniciativas nesse sentido é Protocolo e Modelo de Dados para Segurança (Security Protocol and Data Model — SPDM) (https://www.dmtf.org/content/dmtf-releases-security-protocol-and-data-model-spdm-architecture-work-progress). Basicamente, a sua especificação define um conjunto de mecanismos e formatos para autenticação de hardware e firmware, na forma de um padrão industrial aberto. Além disso, o trabalho em andamento no SPDM incorpora um protocolo de acordo de chaves para proteger a confidencialidade e a integridade dos dados transmitidos entre componentes. O principal objetivo deste projeto é avaliar a arquitetura de segurança do SPDM de forma ampla, verificando se há falhas ou melhorias possíveis no protocolo e na sua implementação de referência além de avaliar o desempenho experimental do protocolo. Também busca-se a criação de um arcabouço de técnicas inteligentes para a geração de testes automatizados de segurança, a ser aplicado ao SPDM e também a outros protocolos de interesse da Indústria 4.0.
Eleições do Futuro e a Segurança do Processo de Votação Brasileira
O projeto tem por objetivo avaliar a segurança do processo de votação no Brasil, considerando aspectos de hardware (a urna em si), software (tanto que executa na urna e softwares auxiliares, como para carregamento de dados na urna) e processo (considerando desenvolvimento e operação). Um mestrado na área envolveria identificar falhas e propor melhorias, além de incluir aspectos de “eleições do futuro” que iriam além dos mecanismos existentes atualmente
Amazonia 4.0
Em suma: “Como ajudar a salvar a Amazônia usando Blockchain” (e sim, é sério!). Detalhes em https://sites.usp.br/ubri/amazon-biobank-preserving-the-biodiversity-of-the-amazon-rainforest-with-blockchain/ e, de forma mais ampla, em http://www.amazoniaquatropontozero.org.br/.
Moedas Digitais e a “USPCoin”
Existe um movimento crescente de digitalização de ativos no mundo, indo desde ativos tradicionais (e.g., financeiros, como moedas) até aqueles de setores emergentes (e.g., “economia verde”). Em alguns casos, os ativos são nativamente digitais, sem representação correspondente no mundo real, enquanto em outros casos é necessária a digitalização de ativos do mundo físico. Esse último movimento é comumente denominado “tokenização”, já que cada ativo em questão recebe uma representação unívoca (um “token”) e pode então ser transacionado de forma segura usando plataformas centralizadas (e.g., por bancos), distribuídas (e.g., via Blockchains) ou híbridas (e.g., unindo a segurança do sistema bancário com a transparência fornecida por Blockchains como forma de armazenamento de dados). É até mesmo possível definir regras rígidas para governar a forma como ativos digitais podem ser utilizados ou transacionados por meio dos chamados “contratos inteligentes” (smart contracts). Há alguns projetos no LARC sendo desenvolvidos nesta linha, tendo por objetivo avaliar plataformas e tecnologias que podem auxiliar na construção de sistemas de tokenização robustos, identificando e solucionando desafios apresentados. Um exemplo dessa iniciativa é a chamada “USP Coin”, cujo objetivo é fomentar a criação de startups com forte potencial de inovação, em colaboração com grupos de pesquisa da USP (maiores informações em https://sites.usp.br/ubri/fomenting-collaboration-between-usp-and-startups-by-means-of-a-digital-currency-the-dawn-of-a-uspcoin/).
Detecção (semi-)automática de portas dos fundos (backdoors) em sistemas de software
Esta pesquisa consiste na concepção de técnicas e implementação de ferramentas capazes de detectar a presença de código malicioso inserido de forma sorrateira em aplicações de software, e mitigar sua ação (seja por meio de remoção ou geração de alertas). Tais técnicas e ferramentas devem impedir, com boa eficácia, que códigos maliciosos sejam adicionados à base de código confiável de empresas. Técnicas possíveis podem envolver tanto a identificação automatizada de código que desvia da especificação do software quanto heurísticas diversas (e.g., baseadas em teoria de fluxo de informação) do que poderia ser considerada uma “funcionalidade indesejada”. Em ambos os casos, prevê-se que as técnicas envolverão certo grau de incerteza, de modo que a sua medida de eficácia deve levar em consideração a sua capacidade de minimizar a ocorrência de falsos positivos e de falsos negativos. Como resultado prático, organizações que fizerem uso de tais ferramentas teriam maior confiança em utilizar cadeias de suprimento de software (Software Supply Chains — SSCs) complexas, envolvendo diversos atores não necessariamente confiáveis.
Gestão de identidades em ambientes de microserviços com confiança zero
Este projeto tem como alvo sistemas altamente escaláveis de gestão de identidades como o Spiffe (https://spiffe.io/), capaz de garantir a comunicação segura entre microserviços via certificação digital. Esse tipo de sistema é útil em diversos contextos distribuídos, em particular em cenários de computação em nuvem (e.g., baseados em Kubernets), envolvendo diversas entidades que não necessariamente confiam umas nas outras (conceito de “arquitetura de confiança zero”). O objetivo é trazer melhorias a esse tipo de sistema, tanto do ponto de vista de protocolos e estruturas de dados utilizados como no nível de arquitetura.
Transparência de Certificados e a Segurança da Internet como a Conhecemos
Atualmente, a segurança digital na Internet é baseada em certificados digitais, emitidos por autoridades certificadoras (CAs). Esse sistema é extremamente dependente das CAs, de forma que falhas de segurança nelas, como a emissão de certificados fraudulentos, comprometem a segurança digital em geral. Esse tipo de falha não é apenas teórico, mas já foi identificado na prática. Buscando resolver esse problema, existem dois tipos principais de propostas. Primeiramente, há a infraestrutura de Certificate Transparency (CT) (https://certificate.transparency.dev/), que é utilizada atualmente por diversos navegadores de internet e que já detectou incidentes de mundo real (. Por exemplo, em 2016, o Facebook detectou certificados inválidos utilizando CT e os revogou antes que eles pudessem ser utilizados. Em seguida, há também as propostas baseadas em blockchain, que constituem uma área ativa de pesquisa atualmente. Neste projeto, busca-se o desenvolvimento de um sistema que facilita a detecção de certificados digitais fradulentos, trazendo melhorias às iniciativas já existentes, em particular as baseadas em Certificate Transparency.
Prof. Dr. Paulo Sérgio Cugnasca
Interpretabilidade e explicabilidade de modelos de aprendizado profundo (deep learning) no contexto de sistemas autônomos
A utilização de técnicas de aprendizado profundo (deep learning) estão trazendo avanços significativos para a automação de diversas atividades em ambientes complexos. Um dos mais notórios exemplos é a condução autônoma de veículos de passageiros em perímetro urbano não segregado.
Modelos de aprendizado profundo são baseadas em redes neurais de muitas camadas, oferecendo um enorme poder de modelagem da dinâmica de sistemas complexos, com excelentes métricas de qualidade. No entanto, esses modelos não permitem, por si mesmos, a compreensão do processo de tomada de decisões por seres humanos.
Um dos grandes desafios dos processos de automação, em especial a condução autônoma de veículos, é a garantia da segurança física de seus passageiros, de pedestres e das propriedades em seu trajeto. Nestes contextos de aplicação críticos em segurança, é fundamental que todos os envolvidos, sobretudo engenheiros, técnicos e órgãos reguladores, possam entender como cada decisão é tomada pelos modelos de deep learning nas mais diversas situações operacionais. Sem isso, não é possível garantir que esses sistemas autônomos são seguros e, consequentemente, podem ser utilizados.
Por esta razão, o campo da interpretabilidade e da explicabilidade está se tornando uma importante área de conhecimento, permitindo a aceitação, certificação, aplicação e adoção confiável dos progressos da inteligência artificial na criação dos veículos autônomos.