| Campo DC | Valor | Lengua/Idioma |
|---|
| dc.contributor.advisor | Sousa Júnior, Rafael Timóteo de | - |
| dc.contributor.author | Oliveira Júnior, Gildásio Antonio de | - |
| dc.date.accessioned | 2021-04-14T18:39:30Z | - |
| dc.date.available | 2021-04-14T18:39:30Z | - |
| dc.date.issued | 2021-04-14 | - |
| dc.date.submitted | 2020-12-21 | - |
| dc.identifier.citation | OLIVEIRA JÚNIOR, Gildásio Antonio de. Estratégias de ataques adversariais em um classificador de sentimento léxico: uma abordagem de mídia social. 2020. xix, 122. f., il. Tese (Doutorado em Engenharia Elétrica)—Universidade de Brasília, Brasília, 2020. | pt_BR |
| dc.identifier.uri | https://repositorio.unb.br/handle/10482/40540 | - |
| dc.description | Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2020. | pt_BR |
| dc.description.abstract | As mídias sociais tornaram-se fonte de informações de relevância para diversos órgãos de Governo e empresas dos mais variados tipos. Essas informações são úteis para processos de tomada de decisão e definição de estratégias de negócio. Considerando este ponto de vista, várias técnicas de análise de sentimentos são empregadas para transformar dados coletados em conhecimentos que podem ser aplicados na inteligência. Um dos problemas é que os classificadores de sentimento utilizados nestes ambientes de coleta devem ser estudados e observados com cuidado, antes de serem instalados e confiados indiscriminadamente em sistemas de apoio à decisão. Pesquisas sobre as técnicas utilizadas em classificadores de sentimento tem se tornado um ponto crítico com novos métodos de ataques adversariais, onde pequenas perturbações podem ser criadas por usuários mal-intencionados para enganar os classificadores de sentimentos, gerando percepção diferente da realmente observada no ambiente. Nesse contexto, este trabalho apresenta o desenvolvimento de ataques adversariais em um classificador léxico de linguagem natural. Esse classificador, objeto dos ataques, é utilizado para calcular o sentimento dos dados postados e coletados por usuários em diversas aplicações de mídia social. Os resultados indicam que as vulnerabilidades encontradas, se exploradas por usuários mal-intencionados em aplicações que utilizam o mesmo classificador léxico, invertem ou anulam a percepção dos classificadores, gerando informação que não corresponde à realidade para a tomada de decisão. Esse trabalho ainda propõe algumas contramedidas que, se empregadas corretamente, são capazes de mitigar os ataques implementados. | pt_BR |
| dc.description.sponsorship | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq); Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) e Fundação de Apoio a Pesquisa do Distrito Federal (FAP/DF). | pt_BR |
| dc.language.iso | Português | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.title | Estratégias de ataques adversariais em um classificador de sentimento léxico : uma abordagem de mídia social | pt_BR |
| dc.title.alternative | Adversarial attacks strategies in a lexical sentiment classifier : a social media approach | pt_BR |
| dc.type | Tese | pt_BR |
| dc.subject.keyword | Mídia social | pt_BR |
| dc.subject.keyword | Ataques adversariais | pt_BR |
| dc.subject.keyword | Engenharia reversa | pt_BR |
| dc.subject.keyword | Linguagem natural - processamento | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | pt_BR |
| dc.description.abstract1 | Social media has become a source of relevant information for various government
agencies and companies of the most varied types. This information is useful for decision-making
processes and the definition of business strategies. Regarding this point of view, several sentiment
analysis techniques are used to transform collected data into knowledge that can be applied to
intelligence. One of the problems is that the sentiment classifiers used in these collection
environments must be studied and observed before indiscriminately gaining trust and being
installed in decision support systems. Research on the techniques used in sentiment classifiers
has become a critical point with new methods of adversarial attacks, in which small perturbations
can be created by malicious users to deceive the sentiment classifiers, generating a different
perception from the one observed in the environment. In this context, this work presents the
development of adversarial attacks in a lexical natural language classifier. This classifier, the object
of the attacks, is used to calculate the sentiment of the data posted and collected by users in
various social media applications. The results indicate that the vulnerabilities found, if exploited by
malicious users in applications that use the same lexical classifier, could invert or cancel the
classifiers' perception, generating information that does not correspond to the reality for decision
making. This work also proposes some countermeasures that, if used correctly, can mitigate the
implemented attacks. | pt_BR |
| dc.contributor.email | jrgildasio@gmail.com | pt_BR |
| Aparece en las colecciones: | Teses, dissertações e produtos pós-doutorado
|
