PROJETO INTEGRADO I - ADS UNOPAR

Prévia do material em texto

UNOPAR 
SUPERIOR DE TECNOLOGIA EM ANÁLISE E DESENVOLVIMENTO 
DE SISTEMAS 
 
 
 
 
 
 
DARLENE ALVES DEBONA 
 
 
 
 
 
 
 
 
 
 
 
FAKE NEWS 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
CACHOEIRO DE ITAPEMIRIM 
2021
DARLENE ALVES DEBONA 
 
 
 
 
 
 
 
 
 
FAKE NEWS 
 
 
 
 
Projeto Integrado I apresentado como requisito 
parcial para aprovação no curso Superior de 
Tecnologia em Análise e Desenvolvimento de 
Sistemas na Universidade Norte do Paraná 
(UNOPAR), polo de Cachoeiro de Itapemirim. 
Disciplinas: Arquitetura e organização de 
computadores, Redes e sistemas distribuídos, 
Projeto de software, Segurança e auditoria de 
sistemas. 
Tutor a distância: Eduardo Viana de Almeida. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
CACHOEIRO DE ITAPEMIRIM 
2021
SUMÁRIO 
 
INTRODUÇÃO ............................................................................................................ 4 
FAKE NEWS ............................................................................................................... 5 
CONSIDERAÇÕES FINAIS ...................................................................................... 11 
REFERÊNCIAS ......................................................................................................... 12 
 
 
 
 
 
4 
 
INTRODUÇÃO 
 
O presente trabalho visa apresentar a temática de fake news e como as 
combater. As disciplinas envolvidas neste estudo são: Arquitetura e Organização de 
Computadores, Redes e Sistemas Distribuídos, Projeto de Software e Segurança e 
Auditoria de Sistemas. 
O principal objetivo do trabalho é de apresentar formas de atuação contra 
as fake news na área dos sistemas de informação, apresentando conceitos que 
podem ajudar no desenvolvimento de sistemas para identificação dessas notícias 
falsas. Alguns dos conceitos que serão apresentados envolvem softwares que podem 
ser usados contra as fake news, aplicações de frameworks distribuídos, metodologia 
ágeis que podem ser usadas e, por fim, a segurança para sistemas que envolvam o 
combate as fake news. 
Os objetivos de aprendizagem que nortearam o trabalho foram 
compreender o embasamento de análise de sistemas, promover formação teórico-
prática, estimular postura investigativa e de análise crítico-reflexiva, estimular visão 
lógica e permitir que se amplie o campo de visão de forma competitiva. A metodologia 
utilizada foi a da pesquisa bibliográfica, para identificar métodos e técnicas que podem 
ser utilizadas para criação de sistemas contra as fake news. 
As fake news vêm se tornando, cada vez mais, um problema para todos os 
países, por que está havendo maior disseminação dessas notícias falsas, e muitas 
pessoas acabam por acreditar. Essas pessoas que acreditam acabam compartilhando 
com outras pessoas, aumentando ainda mais o alcance dessas notícias falsas, que 
causam problemas e discussões desnecessárias. É por isso que se deve combater 
essas fake news a fim de diminuir sua disseminação. 
 
 
 
 
5 
 
FAKE NEWS 
 
 A fim de controlar a disseminação das fake news, as pessoas vêm 
tentando criar métodos, técnicas e softwares que possam identificar e separar 
informações falsas de verdadeiras. Como as fake news se tornaram um problema em 
todo mundo, há trabalhos em diversas categorias que tentam criar um sistema efetivo. 
As fake news causam discussões e confusões baseadas em informações 
falsas, o que pode causar diversas reações na população, como medo, angústia, 
ansiedade e até depressão. No Brasil, nas eleições de 2018, as fake news se 
espalharam tão rápido que as pessoas não sabiam mais no que acreditar. No ano de 
2020 e 2021, em plena pandemia causada pelo Covid-19, as fake news se espalharam 
tão rápido quanto o vírus, prejudicando, inclusive, no tratamento e na ajuda para as 
pessoas acometidas pela doença. Não obstante, essas informações falsas, além da 
desinformação, também podem servir para atacar os indivíduos de forma a roubar 
dados e informações pessoais. De qualquer forma, essas informações falsas só são 
benéficas para os criadores, e por isso devem ser combatidas. 
Ainda não existem sistemas efetivamente estabelecidos com eficácia 
comprovada, porém há diversos trabalhos que buscam combater as fake news. Silva, 
Fontes e Júnior (2020) fizeram uma pesquisa em que montaram uma base de dados 
com vários estudos e propostas de criação de softwares para identificar e controlar a 
disseminação das informações falsas. Entre os trabalhos relacionados pelos autores, 
podem ser ressaltados os seguintes: 
 Método humano-máquina de Bhattacharjee et al de 2017: algoritmo 
de aprendizagem ativa baseada em notícias, com verificação de 
autenticidade; 
 Harmonic Boolean Label de Vedova et al de 2018: algoritmo online 
automático de fake news, com a detecção combinada entre 
conteúdo e sinais sociais; 
 Binary Logistic Regression de Aborisade & Anwar de 2018: 
classificação de autoria de tweets por comparação de regressão 
lógica e classificação Naive Bayes; 
 Long Short-Term Memory de Bhatt et al de 2018: combinação 
neural, estatística e de características externas de fake news; 
6 
 
 Random Forest de Ma et al de 2018: detecta rumores e posturas 
juntamente a partir de aprendizagem neural multitarefa; 
 Stochastic Gradient Descent de Gilda de 2018: avaliação por meio 
de machine learning com algoritmos para detecção de fake news; 
 O trabalho de Silva, Fontes e Júnior (2020) ainda apresenta outros estudos 
de aplicações de sistemas para a mitigação das fake news, além dos citados acima, 
podendo ser perceptível que já há diversos trabalhos na área, porém, como já 
afirmado antes, não há um sistema com eficácia comprovada. 
Bezerra et al (2020) afirma que o blockchain é uma abordagem válida para 
validação das informações encontradas por meio desses sistemas, podendo garantir 
a confiabilidade e a integridade das informações. Os autores explicam que por causa 
da tecnologia do blockchain e a criação dos hash, quando uma notícia é registrada no 
blockchain, uma mudança seria facilmente identificada, podendo ser disponibilizada 
com assinatura digital e chave pública, facilitando a identificação de quem a publicou. 
Uma iniciativa de um grupo de alunos e professores dos bacharelados em 
Ciências e Humanidades e em Ciência e tecnologia da Universidade Federal do ABC 
(UFABC) foi capaz de desenvolver um aplicativo mobile com o objetivo de criar um 
canal unificado de compartilhamento de notícias confiáveis e de ações de 
solidariedade na região. Esse aplicativo pode facilitar os trabalhos na região dos 
brigadistas e de projetos de solidariedade. (UFABC, 2020) 
Ferrara et al (2014) elaboraram um framework de detecção de fake news 
para Twitter chamado de Bot or Not? (robô ou não?) em que utiliza da tecnologia de 
machine learning e inteligência humana para identificar contas e informações como 
de robôs ou como legítimas. Os autores conseguiram uma acurácia boa, porém 
diversos problemas também foram registrados, como o encontro das contas 
chamadas de “borderline”, em que há parte robô e parte humano. 
Outra iniciativa é de alunos de pós-graduação em Ciência da computação 
da Universidade Estadual de Londrina. Os estudantes criaram um algoritmo com um 
sistema de detecção de fake news de forma automatizada, com um banco de dados 
elaborado pelos próprios estudantes baseados em outra pesquisas científicas. Assim, 
o sistema extrai 21 características do texto, verifica em três tipo, podendo ser legítimo, 
falso ou irônico e dá sua análise final. (UEL, 2019) 
Queiroz (2020) ainda dá a alternativa do big data para combater as fake 
news. O autor explica que o big data é capaz de analisar grandes bases de dados, 
7 
 
processar cálculos, identificar comportamentos e disponibilizar serviços 
especializados, podendo ser muito útil para detecção das fake news. Queiroz (2020) 
propõe uma estrutura de big data para esse processo, dividida em camadas: camada 
de fontede dados (aglomeração de informações e dados), camada de 
armazenamento (determinar os repositórios), camada de processamento (análise dos 
dados pelo modelo de programação MapReduce e utilização do YARN para requisitar 
e trabalhar com os recursos do cluster), camada de acesso aos dados (utilização de 
ferramentas para facilitar o acesso e a manipulação dos dados) e a camada de análise 
de dados (parte em que implementa os principais processos a fim de gerar 
conhecimento). 
Dessa forma, torna-se perceptível a abrangência de aplicações e sistemas 
que estão tentando ser desenvolvidos para identificar e mitigar a disseminação das 
fake news por todo o mundo. Com o auxílio dos sistemas de informação, será possível 
no futuro criar um sistema que possa detectar fake news e evitar que essas se 
propaguem. 
Para a criação desse sistema de detecção de fake news, a tecnologia de 
machine learning e deep learning são fundamentais. Para incrementar essas 
tecnologias e facilitar o processo de desenvolvimento dos sistemas, há diversos 
frameworks que podem ser utilizados. Algumas das aplicações que podem ser usados 
dentro dessa tecnologia são: scikit-learn, Keras, XGBoost, LightGBM. (SEMANTIX, 
2018) 
Cordeiro, Oliveira e Ruback (2020) elaboraram um framework para ser 
utilizado para analisar a disseminação de fake news na web, chamado de 
FakeSpread. Segundo os autores, foi utilizado conceitos e métricas da teoria de frafos, 
sendo a web um grafo, as páginas são os nós, e as arestas direcionadas são os 
hiperlinks. O framework foi utilizado pelos autores na CPMI das Fake News como 
forma de teste e teve resultados impressionantes, mostrando uma boa eficácia, e 
apresentando, inclusive, sites que não foram indicados pela própria CPMI. 
O Hadoop é um framework distribuído que também pode ser usado para 
auxiliar a criação dos sistemas de detecção de fake news. Queiroz (2020) explica que 
o Hadoop permite o processamento de grandes conjuntos de dados em clusters, tendo 
como elementos-chave o sistema de arquivos distribuídos HDFS e o modelo de 
programação MapReduce. Porém, segundo o autor, foram adicionados e 
incorporados novos subprojetos que tornaram a infraestrutura mais completa. 
8 
 
Outro framework distribuído que pode ser usado para detecção de fake 
news foi desenvolvido por Fasola et al (2020). O framework desses autores utiliza de 
inteligência artificial neural e os resultados mostraram que sistemas baseados nas 
variáveis desse framework podem melhorar o reconhecimento de fake news e ajudar 
na sua mitigação. 
Assim, é perceptível que há diversas opções de frameworks distribuídos 
que podem ser utilizados para auxiliar na criação dos sistemas de detecção e 
mitigação de fake news. Além disso, a utilização desses frameworks pode fazer com 
que esses evoluam e produzam resultados ainda mais eficientes. 
Para os programadores que trabalharem no desenvolvimento desses 
sistemas de detecção de fake news, é importante utilizar de metodologias ágeis para 
dinamizar os processos. Nesse caso, o melhor adaptável é o Método de 
Desenvolvimento de Sistemas Dinâmicos (DSDM). 
Teixeira et al (2005) explica que o DSDM é um processo que procura 
fornecer a entrega de um sistema que atenda as necessidades atuais, tendo uma 
capacidade evolutiva em cada ciclo que passar, em vez de todas as necessidades de 
uma vez. Principalmente por esta características, que essa metodologia ágil é a mais 
indicada para equipes que desejam criar sistema para combate as fake news, 
podendo acrescentar cada vez mais informações de acordo com as necessidades que 
forem aparecendo. 
Teixeira et al (2005) esclarece que o DSDM é dividido em três fases 
sequenciais: pré-projeto, projeto e pós-projeto. No pré-projeto, é identificado o projeto, 
o plano de financiamento e futuros usuários. A fase dois, do projeto, também é 
chamada de ciclo de vida do projeto por Teixeira et al (2005). Nessa fase, os autores 
apresentam cinco níveis: estudo de viabilidade, estudo de negócio, análise funcional, 
desenho e implementação. Por fim, os autores explicam que a fase de pós-projeto é 
essencial para assegurar um sistema de atuação eficiente, a partir da manutenção e 
melhoramentos de acordo com os princípios básicos da DSDM. De acordo com 
Teixeira et al (2005) a equipe que utiliza o DSDM deve ser composta de indivíduos 
hábeis, com possibilidades de tomar decisões, podendo ter de 2 a 6 integrantes. 
Os cinco níveis da fase do projeto, segundo Teixeira et al (2005), são: 
1. Estudo de viabilidade: estudo da viabilidade da utilização do DSDM 
para o projeto, sendo preparados o Relatório, o Protótipo de 
Viabilidade, o esboço global do plano e um registro de risco; 
9 
 
2. Estudo do negócio: incrementa o primeiro nível, examinando o 
processo de financiamento, os usuários envolvidos e suas 
respectivas necessidades e desejos, sendo preparados uma 
definição de área do negócio e a definição da arquitetura do sistema. 
3. Análise funcional: os requisitos dos dois primeiros níveis são 
convertidos para o modelo funcional, utilizando da prototipagem 
como técnica chave, sendo que o protótipo é visto pelos clientes e 
usuários; 
4. Desenho: nesse nível se tem a integração dos componentes 
funcionais do nível anterior em um sistema que possa satisfazer as 
necessidades do utilizados, e ao final serão entregues o Protótipo 
de Desenho para efetuar testes; 
5. Implementação: nesse nível o sistema testado e as documentações 
são entregues aos usuários. 
Dessa forma, é possível observar a importância que a utilização da 
metodologia ágil DSDM pode ter para a equipe e o processo de desenvolvimento de 
sistemas para detecção de fake news. Com a utilização dessa metodologia, a equipe 
pode tornar o processo mais dinâmico, produzir resultados contundentes com cada 
período e exigência, e trabalhar com agilidade. Como as fakes news são 
disseminadas de forma muito rápida, usar de uma metodologia rápida para 
gerenciamento dos processos é uma forma eficiente para contrapor essa rapidez de 
proliferação. 
Por fim, é importante comentar sobre os processos de segurança que 
podem ser adaptados no desenvolvimento desses sistemas contra as fakes news. 
Segundo Nakamura (2021), algumas das principais ameaças que podem afetar esse 
tipo de sistema são: malwares, DoS, DDoS, Worms, invasões, backdoor. O autor 
ainda explica que as principais defesas devem levar em consideração a rede, tendo 
uma arquitetura de redes segura. 
Nakamura (2021) cita alguns dos principais métodos de defesa: firewall, 
IDS, IPS, antimalware, a autenticação, o controle de conteúdo e a criptografia. A 
criptografia, segundo ainda Nakamura (2021), é um processo no qual as informações 
são criptografadas de forma a ficarem ocultas, portanto, mesmo que um indivíduo 
tenha acesso as informações, não conseguirá compreendê-las por que não possui o 
código de decodificação. A criptografia é fundamental para proteger os sistemas dos 
10 
 
ataques de hackers e impedir que roubem informações necessárias para o bom 
funcionamento. Além disso, Bezerra et al (2020) também mostra como o blockchain 
pode funcionar como técnica de defesa, já que com as notícias e informações 
gravadas no hash não poderão ser modificadas sem constar quais foram as 
modificações, além de apresentar certificação dos autores, torna mais difícil que as 
ameaças sejam efetivadas e impede ataques. 
No caso dos sistemas de detecção de fake news, algumas das principais 
ameaças são os ataques de deixam o serviço indisponível, como o DoS e o DDoS. 
Portanto, é fundamental que os programadores criem barreiras a fim de impedir que 
esses ataques ocorram. 
Uma das melhores defesas é chamada de “defesa em camadas”. Segundo 
o autor Kim (2014), ter várias camadas de controles em funcionamento aumenta as 
chances de proteger o sistema contra mais ataques. Assim, uma rede que possui 
diversas camadas pode impedir ataquesna rede mais interna e protegida, sendo 
importante para impedir que sejam roubados dados ou que tornem os servidores 
indisponíveis. (KIM, 2014) 
Um sistema de detecção de fake news com resultados comprovados pode 
estar bem perto de ser concretizado, mas é essencial que todos esses aspectos sejam 
abordados a fim de que o sistema tenha eficiência. Principalmente no caso da 
segurança, um sistema que combate as fake news provavelmente terá diversos 
ataques e ameaças, portanto, é fundamental que os programadores planejem e 
produzam um sistema confiável e seguro. 
 
 
 
 
 
 
 
 
 
11 
 
CONSIDERAÇÕES FINAIS 
 
O presente trabalho pode cumprir a proposta inicial de apresentar algumas 
das importantes características que podem ser adaptadas no desenvolvimento de 
sistemas para detecção de fake news. Como as fake news se proliferam mais do que 
o vírus da Covid-19, é importante que programadores, empresas e usuários 
(sociedade) se unam para poder produzir conteúdos e sistemas que vão mostrar ter 
alguma eficácia na identificação e mitigação dessas fakes news de forma ágil e 
confiável. 
Já existem diversas iniciativas de aplicativos, softwares e frameworks que 
podem ser estudados a fim de produzir um sistema mais elaborado e complexo. Todas 
as iniciativas são importantes para dar suporte ao combate as fake news, podendo 
beneficiar na diminuição de sua disseminação. 
Para programadores, equipes e empresas que trabalharão desenvolvendo 
os sistemas, é importante adotar processos e metodologias que possam dinamizar os 
trabalhos e torná-los mais eficientes, otimizando o resultado final e podendo gerar 
benefícios, mesmo que seja para serem reparados no próximo ciclo de vida do projeto. 
A segurança em qualquer sistema é fundamental, mas principalmente em sistemas 
desse tipo, pela possibilidade de sofrer de diversos tipos de ameaças e ataques que 
vão de roubar informações, causar confusões a até indisponibilizar os serviços. 
Portanto, o trabalho trouxe uma visão do que a área de sistemas de 
informações pode oferecer ao combate as fake news. Porém, ainda há muito a ser 
estudado, podendo ser criados protótipos e outras iniciativas que vão beneficiar na 
criação de um sistema confiável e eficaz. 
 
12 
 
REFERÊNCIAS 
 
BEZERRA, Wagner L. Braga et al. Oportunidades de pesquisa em blockchain em 
tempos de pandemia. Revista Sistemas e Mídias Digitais, v.5, n.1, jul.2020. 
Disponível em: < https://www.researchgate.net/profile/Emanuel-
Coutinho/publication/342978446_Oportunidades_de_Pesquisa_em_Blockchain_em_
Tempos_de_Pandemia/links/5f102e2b92851c1eff156df4/Oportunidades-de-
Pesquisa-em-Blockchain-em-Tempos-de-Pandemia.pdf>. Acesso em: 10 maio 2021. 
 
CORDEIRO, Anderson; OLIVEIRA, Jonice; RUBACK, Livia. FakeSpread: um 
framework para análise de propagação de fake news na web. In: WORKSHOP 
SOBRE ASPECTOS DA INTERAÇÃO HUMANO-COMPUTADOR NA WEB SOCIAL 
(WAIHCWS), 11. , 2020, Online. Anais [...]. Porto Alegre: Sociedade Brasileira de 
Computação, 2020 . p. 9-16. Disponível em: 
<https://sol.sbc.org.br/index.php/waihcws/article/view/12342>. Acesso em: 10 maio 
2021. 
 
FASOLA, Olusanjo et al. Intelligent based framework for detection of fake news in 
the social network platforms. In: International Conference on Cyber Warfare and 
Security, 2020. Disponível em: <https://www.proquest.com/conference-papers-
proceedings/intelligent-based-framework-detection-fake-
news/docview/2455894356/se-2?accountid=134629>. Acesso em: 10 maio 2021. 
 
FERRARA, Emilio et al. The Rise of Social Boots. 2014. Disponível em: < 
https://www.researchgate.net/publication/264123205_The_Rise_of_Social_Bots>. 
Acesso em: 10 maio 2021. 
 
KIM, David. Fundamentos de segurança de sistemas de informação. Rio de 
Janeiro: LTC, 2014. 
 
NAKAMURA, Emilio Tissato. Segurança e auditoria de sistemas. Londrina: Editora 
e Distribuidora Educacional S.A., 2021. 
 
QUEIROZ, Daniele Moura de. Uma proposta de arquitetura de big data para 
detecção de fake news. Dissertação (Mestrado em Engenharia Elétrica) – 
Universidade Federal do Pará, 2020, 71f. Disponível em: 
<https://ppgee.propesp.ufpa.br/ARQUIVOS/dissertacoes/2021/DM%2003_2020%20
Daniele%20Moura%20de%20Queiroz.pdf>. Acesso em: 10 maio 2021. 
 
SEMANTIX. Top 8 bibliotecas Python de Machine Learning. 2018. Disponível em: 
< https://semantix.com.br/top-8-bibliotecas-python-de-machine-learning/>. Acesso 
em: 10 maio 2021. 
 
SILVA, Caio V. Meneses; FONTES, Raphael Silva; JÚNIOR, Methanias Colaço. 
Intelligent Fake News Detection: a systematic mapping. Journal of Applied 
Security Research, 2020. Disponível em: 
<https://www.researchgate.net/profile/Methanias-
Junior/publication/341391593_Intelligent_Fake_News_Detection_A_Systematic_Map
13 
 
ping/links/5fc43ff792851c933f76880a/Intelligent-Fake-News-Detection-A-Systematic-
Mapping.pdf>. Acesso em: 10 maio 2021. 
 
TEIXEIRA, Daniel Dinis et al. DSDM – Dynamic Systems Development 
Methodology. 2005. Disponível em: <https://www.researchgate.net/profile/Daniel-
Teixeira-16/publication/237612979_DSDM_-
_Dynamic_Systems_Development_Methodology/links/55ae197c08aed9b7dcdb2a0e/
DSDM-Dynamic-Systems-Development-Methodology.pdf>. Acesso em: 10 maio 
2021. 
 
UEL. Pesquisadores elaboram método para identificar fake news. 2019. 
Disponível em: 
<http://www.uel.br/com/agenciaueldenoticias/index.php?arq=ARQ_not&id=28656 >. 
Acesso em: 10 maio 2021. 
 
UFABC. Aplicativo combate fake news relativas à Covid-19 e divulga ações de 
solidariedade. 2020. Disponível em: < https://www.ufabc.edu.br/noticias/combate-a-
fake-news-relativas-a-covid-19>. Acesso em: 10 maio 2021.