Detecção de anomalias na comunicação entre veículos aéreos autônomos utilizando técnicas de machine learning e cibersegurança (2024)
- Authors:
- Autor USP: CORDEIRO, TIAGO AUGUSTO ORCAJO DEMAY - EP
- Unidade: EP
- Sigla do Departamento: PCS
- Subjects: AERONAVES NÃO TRIPULADAS; APRENDIZADO COMPUTACIONAL; MODELOS DE APRENDIZAGEM; REDES AD HOC VEICULARES; SEGURANÇA DE REDES
- Language: Português
- Abstract: Esta dissertação explora a detecção de anomalias na comunicação entre veículos aéreos autônomos utilizando técnicas de aprendizado de máquina e segurança cibernética. O estudo foca na integração segura e eficiente de Sistemas Aéreos Não Tripulados (UAS, do inglês Unmanned Aircraft System ) em espaços aéreos não segregados, abordando os desafios associados à segurança das comunicações. Foram desenvolvidos e avaliados modelos de aprendizado de máquina, com o objetivo de identificar anomalias e mitigar ameaças cibernéticas em sistemas de comunicação de drones, que podem causar incidentes de segurança, levando o sistema aéreo a causar danos a pessoas ou bens. A pesquisa utilizou uma metodologia de pré-processamento de dados, seguindo o processo de descoberta de conhecimento em bases de dados (KDD). O objetivo principal desta pesquisa é desenvolver e avaliar modelos de aprendizado de máquina para detectar anomalias e mitigar ameaças cibernéticas nas comunicações entre drones dentro do sistema de gerenciamento de tráfego de UAS (UTM) e busca garantir que esses modelos alcancem níveis de precisão e integrem de forma eficaz cenários de segurança, oferecendo uma abordagem abrangente para proteger operações de drones em espaços aéreos urbanos. Além disso, a pesquisa visa responder a duas questões: como as técnicas de aprendizado de máquina podem ser aprimoradas para incorporar aspectos de segurança em sistemas de comunicação entre drones e quais fatores influenciam a eficiência desses modelos na detecção de anomalias em redes de comunicação. As conclusões da dissertação indicam que o modelo XGBoost final demonstrou uma capacidade eficaz na detecção de anomalias em redes de pequenos Sistemas Aéreos Não Tripulados (sUAS). O modelo apresentou desempenho em termos de recall em todasas classes, mostrando capacidade de generalização, essencial para a aplicação em ambientes operacionais complexos e de alta densidade populacional. Adicionalmente, a pesquisa desenvolveu uma metodologia de treinamento de modelos, comparou o desempenho de diferentes modelos de aprendizado de máquina, analisou criticamente os resultados focando na segurança operacional e recomendou direções futuras para o aprimoramento das pesquisas na área.
- Imprenta:
- Data da defesa: 13.12.2024
-
ABNT
CORDEIRO, Tiago Augusto Orcajo Demay. Detecção de anomalias na comunicação entre veículos aéreos autônomos utilizando técnicas de machine learning e cibersegurança. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-11072025-151138/pt-br.php. Acesso em: 22 jan. 2026. -
APA
Cordeiro, T. A. O. D. (2024). Detecção de anomalias na comunicação entre veículos aéreos autônomos utilizando técnicas de machine learning e cibersegurança (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3141/tde-11072025-151138/pt-br.php -
NLM
Cordeiro TAOD. Detecção de anomalias na comunicação entre veículos aéreos autônomos utilizando técnicas de machine learning e cibersegurança [Internet]. 2024 ;[citado 2026 jan. 22 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-11072025-151138/pt-br.php -
Vancouver
Cordeiro TAOD. Detecção de anomalias na comunicação entre veículos aéreos autônomos utilizando técnicas de machine learning e cibersegurança [Internet]. 2024 ;[citado 2026 jan. 22 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-11072025-151138/pt-br.php
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
