Jonathas Alves de Oliveira
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Jonathas Alves de Oliveira has a total of 6 co-authors. Here are the top co-authors by number of shared publications:
- Geraldo Pereira Rocha Filho
University of Brasilia
2 shared publications - Vinicius Pereira Goncalves
Department of Electrical Engineering, University of Brasília, Brasília 70910-900, Brazil
2 shared publications - Daniel Ludovico Guidoni
Federal University of Ouro Preto
1 shared publication - José Carlos Martins Oliveira
UESB
1 shared publication - Rafael Timóteo de SousaJr
Department of Electrical Engineering, University of Brasilia, Federal District, Brasilia 70910-900, Brazil
1 shared publication - Rodolfo Ipolito Meneguette
Institute of Mathematical and Computer Sciences, University of São Paulo (USP), São Carlos, Brazil
1 shared publication
Latest Publications
- Open Access
- 19 May 2025
- Published by Sociedade Brasileira de Computação
- p. 212-221
F-NIDS: Sistema de Detecção de Intrusão baseado em Aprendizado Federado
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.
- 19 May 2025
- Published by Sociedade Brasileira de Computação
- p. 212-221
Open AccessF-NIDS: Sistema de Detecção de Intrusão baseado em Aprendizado Federado
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.
- 9 September 2023
- Published by Elsevier in Computer Networks
- Vol. 236
F-NIDS — A Network Intrusion Detection System based on federated learning
- 9 September 2023
- Published by Elsevier in Computer Networks
- Vol. 236
F-NIDS — A Network Intrusion Detection System based on federated learning