ABAndré Augusto Bortoli

André Augusto Bortoli

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


André Augusto Bortoli has a total of 4 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Educação Ambiental e Robótica Sustentável: A construção de robôs utilizando materiais recicláveis e resíduos eletrônicos no ensino fundamental

    by Angela Maria de Souza, André Augusto Bortoli, Luciana Graciano

    A educação ambiental é essencial para a formação cívica das crianças e para alcançar os Objetivos de Desenvolvimento Sustentável (ODS) da ONU. Este artigo descreve a implementação de atividades educativas interativas em escolas, visando introduzir conceitos de sustentabilidade por meio da construção de robôs com materiais recicláveis. Inspirado no robô Wall-E, sugerimos a criação de modelos robóticos de papelão para alunos de 10 anos, promovendo a prática de robótica e o uso de materiais recicláveis e fontes de energia renováveis. Complementando com literatura atualizada e vídeos educativos, este estudo destaca a educação ambiental como fundamental para um futuro sustentável e para a formação de cidadãos conscientes dos desafios ambientais globais.


  • Open Access

    Aplicação de Redes Neurais Convolucionais e Recorrentes na Detecção de Intrusão em Linux Baseada em Chamadas de Sistema

    by André Augusto Bortoli, Thiago Berticelli Ló, Darlon Vasata

    A segurança cibernética em sistemas Linux é um desafio crescente devido ao aumento na frequência e sofisticação dos ataques. Os Sistemas de Detecção de Intrusão (IDS) tradicionais, baseados em assinaturas, mostram-se ineficazes contra novas ameaças, motivando a busca por soluções mais avançadas. Este estudo propõe um módulo de detecção de intrusões utilizando técnicas de aprendizado de máquina, combinando Redes Neurais Convolucionais e Redes Neurais Recorrentes, para identificar padrões maliciosos em chamadas de sistema. O modelo foi testado com o conjunto de dados ADFA-LD, alcançando uma revocação de 97% e uma precisão de 95%. Esses resultados demonstram a eficácia da abordagem proposta na detecção de ataques complexos. No entanto, o modelo ainda possui uma taxa de falsos negativos de 17,97%, indicando a necessidade de melhorias. Como trabalhos futuros, planeja-se implementar o módulo em ambientes reais e expandir os testes com bases de dados mais diversas e heterogêneas.