Jonathas Alves de Oliveira

Jonathas Alves de Oliveira

Auto-generated profile, based on publicly available information

Jonathas Alves de Oliveira

Universidade de Brasília (UNB)

Research Focus & Metrics

Academic Career Length

4Years (2023-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
9 September 2023 in Computer Networks
Verified
Journal Article
Closed access
JOJonathas A. de Oliveira
Jonathas A. de Oliveira
VGVinícius Pereira Gonçalves
Vinícius Pereira Gonçalves
Rodolfo I. MeneguetteRodolfo I. Meneguette
Rodolfo I. Meneguette
Rafael Timóteo De Sousa JúniorRafael Timóteo De Sousa Júnior
Rafael Timóteo De Sousa Júnior
DGDaniel L. Guidoni
Daniel L. Guidoni
GFGeraldo Pereira Rocha Filho
Geraldo Pereira Rocha Filho

19 May 2025
Verified
Conference Paper
Open access
PDF file
JOJonathas Alves de Oliveira
Jonathas Alves de Oliveira
VGVinícius Pereira Gonçalves
Vinícius Pereira Gonçalves
GFGeraldo Pereira Rocha Filho
Geraldo Pereira Rocha Filho
Nesta dissertação, abordamos os desafios de escalabilidade e segurança enfrentados por Sistemas de Detecção de Intrusão de Rede (NIDS) distribuídos em cenários de IoT, decorrentes de preocupações com privacidade. Para superar esses desafios, propomos o F-NIDS (Federated Network Intrusion Detection System), um sistema modelado com base no Federated Learning (FL), integrando técnicas de comunicação assíncrona e Privacidade Diferencial (DP). Além disso, foram desenvolvidas três estratégias para equilibrar desempenho e privacidade. Os resultados demonstram que o F-NIDS alcançou alta robustez e desempenho, com valores de detecção superiores em cenários distribuídos. A estratégia de ajuste de parâmetros permitiu identificar o nível ideal de ruído gaussiano, garantindo a preservação da privacidade sem comprometer a acurácia. Portanto, o F-NIDS representa um avanço no estado da arte, combinando escalabilidade, segurança e privacidade em sistemas distribuídos, ratificando sua eficácia e potencial para redefinir os padrões de detecção de intrusões em ambientes de IoT.