Pattern detection strategy applied to crime investigation in IoT environments

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Deconto, Guilherme Dall'Agnol
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul
Escola Politécnica
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Internet of Things
Digital Forensics
Machine Learning
Internet das Coisas
Perícia Digital
Aprendizado de Máquina
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
Link de acesso: https://tede2.pucrs.br/tede2/handle/tede/11631
Resumo: The adoption of the Internet of Things (IoT) has brought many advantages, but it also presents challenges for the field of Digital Forensics. The heterogeneity of the data directly affects the investigative process in scenarios involving IoT applications. Through the analysis of a comprehensive and heterogeneous dataset collected from IoT devices, this study analyzes the use of machine learning algorithms to detect specific patterns to estimate the number of people in physical environments involving IoT devices, with the aim of helping in crime investigations. In this work, we discuss the use of Machine Learning approaches to enhance criminal investigations based on data collected from IoT environments. The experimental evaluation not only showcases the potential enhancement of Digital Forensics through the utilization of IoT data but also serves to emphasize the effectiveness of machine learning-based approaches in these environments.
id P_RS_d29cb997ee3086a17687c23015de4a87
oai_identifier_str oai:tede2.pucrs.br:tede/11631
network_acronym_str P_RS
network_name_str Biblioteca Digital de Teses e Dissertações da PUC_RS
repository_id_str
spelling Pattern detection strategy applied to crime investigation in IoT environmentsEstratégia de detecção de padrões aplicada à investigação de crimes em ambientes IoTInternet of ThingsDigital ForensicsMachine LearningInternet das CoisasPerícia DigitalAprendizado de MáquinaCIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAOThe adoption of the Internet of Things (IoT) has brought many advantages, but it also presents challenges for the field of Digital Forensics. The heterogeneity of the data directly affects the investigative process in scenarios involving IoT applications. Through the analysis of a comprehensive and heterogeneous dataset collected from IoT devices, this study analyzes the use of machine learning algorithms to detect specific patterns to estimate the number of people in physical environments involving IoT devices, with the aim of helping in crime investigations. In this work, we discuss the use of Machine Learning approaches to enhance criminal investigations based on data collected from IoT environments. The experimental evaluation not only showcases the potential enhancement of Digital Forensics through the utilization of IoT data but also serves to emphasize the effectiveness of machine learning-based approaches in these environments.A adoção da Internet das Coisas (IoT) trouxe muitas vantagens, mas também apresenta desafios para o campo da Perícia Digital. A heterogeneidade dos dados afeta diretamente o processo investigativo em cenários que envolvem aplicações de IoT. Por meio da análise de um conjunto de dados heterogêneo e abrangente coletado de dispositivos IoT, este estudo analisa o uso de algoritmos de aprendizado de máquina para detectar padrões específicos e estimar o número de pessoas em ambientes físicos que envolvem dispositivos IoT, com o objetivo de auxiliar em investigações criminais. Os resultados destacam a capacidade dos modelos de Aprendizado de Máquina em identificar padrões relevantes e fornecer informações valiosas para investigações em ambientes de IoT, como casas inteligentes, escritórios inteligentes e edifícios inteligentes. Essas descobertas contribuem para o avanço da Perícia Digital e demonstram o potencial de abordagens baseadas em aprendizado de máquina na análise de dados de dispositivos IoT em contextos forenses.Pontifícia Universidade Católica do Rio Grande do SulEscola PolitécnicaBrasilPUCRSPrograma de Pós-Graduação em Ciência da ComputaçãoZorzo, Avelino Franciscohttp://lattes.cnpq.br/4315350764773182Deconto, Guilherme Dall'Agnol2025-05-27T15:48:10Z2024-03-13info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://tede2.pucrs.br/tede2/handle/tede/11631enginfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da PUC_RSinstname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)instacron:PUC_RS2025-05-27T23:00:26Zoai:tede2.pucrs.br:tede/11631Biblioteca Digital de Teses e Dissertaçõeshttp://tede2.pucrs.br/tede2/PRIhttps://tede2.pucrs.br/oai/requestbiblioteca.central@pucrs.br||opendoar:2025-05-27T23:00:26Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)false
dc.title.none.fl_str_mv Pattern detection strategy applied to crime investigation in IoT environments
Estratégia de detecção de padrões aplicada à investigação de crimes em ambientes IoT
title Pattern detection strategy applied to crime investigation in IoT environments
spellingShingle Pattern detection strategy applied to crime investigation in IoT environments
Deconto, Guilherme Dall'Agnol
Internet of Things
Digital Forensics
Machine Learning
Internet das Coisas
Perícia Digital
Aprendizado de Máquina
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
title_short Pattern detection strategy applied to crime investigation in IoT environments
title_full Pattern detection strategy applied to crime investigation in IoT environments
title_fullStr Pattern detection strategy applied to crime investigation in IoT environments
title_full_unstemmed Pattern detection strategy applied to crime investigation in IoT environments
title_sort Pattern detection strategy applied to crime investigation in IoT environments
author Deconto, Guilherme Dall'Agnol
author_facet Deconto, Guilherme Dall'Agnol
author_role author
dc.contributor.none.fl_str_mv Zorzo, Avelino Francisco
http://lattes.cnpq.br/4315350764773182
dc.contributor.author.fl_str_mv Deconto, Guilherme Dall'Agnol
dc.subject.por.fl_str_mv Internet of Things
Digital Forensics
Machine Learning
Internet das Coisas
Perícia Digital
Aprendizado de Máquina
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
topic Internet of Things
Digital Forensics
Machine Learning
Internet das Coisas
Perícia Digital
Aprendizado de Máquina
CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
description The adoption of the Internet of Things (IoT) has brought many advantages, but it also presents challenges for the field of Digital Forensics. The heterogeneity of the data directly affects the investigative process in scenarios involving IoT applications. Through the analysis of a comprehensive and heterogeneous dataset collected from IoT devices, this study analyzes the use of machine learning algorithms to detect specific patterns to estimate the number of people in physical environments involving IoT devices, with the aim of helping in crime investigations. In this work, we discuss the use of Machine Learning approaches to enhance criminal investigations based on data collected from IoT environments. The experimental evaluation not only showcases the potential enhancement of Digital Forensics through the utilization of IoT data but also serves to emphasize the effectiveness of machine learning-based approaches in these environments.
publishDate 2024
dc.date.none.fl_str_mv 2024-03-13
2025-05-27T15:48:10Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://tede2.pucrs.br/tede2/handle/tede/11631
url https://tede2.pucrs.br/tede2/handle/tede/11631
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Pontifícia Universidade Católica do Rio Grande do Sul
Escola Politécnica
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
publisher.none.fl_str_mv Pontifícia Universidade Católica do Rio Grande do Sul
Escola Politécnica
Brasil
PUCRS
Programa de Pós-Graduação em Ciência da Computação
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da PUC_RS
instname:Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
instacron:PUC_RS
instname_str Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
instacron_str PUC_RS
institution PUC_RS
reponame_str Biblioteca Digital de Teses e Dissertações da PUC_RS
collection Biblioteca Digital de Teses e Dissertações da PUC_RS
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da PUC_RS - Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS)
repository.mail.fl_str_mv biblioteca.central@pucrs.br||
_version_ 1850041318913343488

Registros relacionados