Título: Uma proposta de dataset para automatizar o teste de desempenho de aplicações IoT

Data: 05/12/2022

Horário: 14h00

Resumo:

O crescente uso de dispositivos de Internet das Coisas (do inglês Internet of Things - IoT) no cotidiano das pessoas tem aumentado o interesse de pesquisa em investigar estratégias que possam garantir o funcionamento dessas aplicações. Para isso, é preciso considerar características específicas e vitais de IoT, por exemplo, a segurança, o desempenho e a interoperabilidade entre essas aplicações. Do ponto de vista de teste, surge a necessidade de otimizar e definir uma estratégia eficiente, desde o seu planejamento até a sua execução. Diante de todas as etapas que podem ser realizadas para testar uma aplicação IoT, este processo, se realizado de forma manual, pode demandar grande esforço e tempo. Algoritmos de aprendizagem de máquina têm sido aplicados em diversas áreas da computação a fim de otimizar e automatizar processos que envolvem grande volume de dados. Realizando uma investigação sobre as áreas, a partir da condução de um mapeamento sistemático, foram selecionados 40 estudos que trazem técnicas ou abordagens que utilizam algoritmos de aprendizagem de máquina para os mais diversos objetivos dentro do processo de testes de aplicações IoT, como a utilização de redes neurais para previsão do custo de tempo na elaboração e aplicação dos testes; identificação de ataques de segurança; e geração automática de casos de testes a partir da linguagem textual. Também foi identificado no mapeamento que em sua grande maioria, as técnicas de testes estão focadas em uma característica específica de IoT (e.g., segurança, desempenho) e trazem dificuldades relacionadas à extração e definição dos dados para treinar os algoritmos. Portanto, este trabalho tem como objetivo investigar quais dados e propriedades podem ser extraídos de sistemas IoT a fim de serem utilizados na elaboração de um dataset que auxilie o teste de desempenho dessas aplicações.

Banca examinadora:

• Profa. Dra. Valéria Lelli Leitão Dantas (MDCC/UFC - Orientadora)
• Profa. Dra. Rossana Maria de Castro Andrade (UFC)
• Prof. Dr. Ismayle de Sousa Santos (UFC)
• Prof. Dr. Tales Paiva Nogueira (UNILAB)