Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.299
Aluna: Bruna Alves Wanderley de Siqueira
Orientador: Prof. Ricardo Massa Ferreira Lima
Coorientadora: Profa. Katiane Oliveira Alpes da Silva (SERPRO)
Título: Um algoritmo para análise de conformidade multiperspectiva utilizando modelos declarativos
Data: 28/07/2026
Hora/Local: 9h – Virtual – Interessados em assistir entrar em contato com a aluna
Banca Examinadora:
Prof. Adriano Lorena Inacio de Oliveira (UFPE / Centro de Informática)
Profa. Renata Medeiros de Carvalho (Eindhoven University of Technology)
Prof. Ricardo Massa Ferreira Lima (UFPE / Centro de Informática)
RESUMO:
A crescente complexidade dos sistemas de informação, associada às exigências de governança, segurança e privacidade de dados, evidencia a necessidade de técnicas robustas e eficientes para extração de informações a partir de dados. A mineração de processos vem se consolidando como uma potente técnica para a análise de conformidade, monitoramento e melhoria de processos organizacionais a partir de logs de eventos. Entretanto, contextos em que os processos apresentam grande variabilidade de fluxo operacional evidenciam a necessidade de metodologias novas, capazes de modelar estes cenários e atender às novas demandas de confidencialidade e controle de dados. Nesse contexto, torna-se necessária a adoção de mecanismos capazes de integrar múltiplas perspectivas de análise, contemplando não apenas a execução das atividades, mas também os recursos envolvidos e os acessos realizados a objetos de dados.
O objetivo deste trabalho é desenvolver uma abordagem de análise de conformidade baseada em modelos declarativos capaz de integrar as perspectivas de fluxo de controle, acesso a dados e privacidade em um modelo unificado multiperspectiva. Para isso, a pesquisa formaliza modelos de processo, acesso a dados e estrutura organizacional, propõe mecanismos de modelagem declarativa para representar restrições relacionadas ao uso de dados e à alocação de recursos, e desenvolve um algoritmo para identificação e classificação de inconformidades nas múltiplas dimensões.
A metodologia adotada compreende a revisão da literatura, a definição formal dos modelos e restrições, o desenvolvimento da solução proposta, a geração de dados sintéticos para experimentação, a demonstração da aplicabilidade da abordagem e sua avaliação quanto à eficácia, desempenho e escalabilidade. Como parte das contribuições do trabalho, foi desenvolvido um gerador de logs sintéticos multiperspectiva, realizadas extensões na biblioteca Declare4Py para suporte ao rastreamento de violações e propostas as novas regras DECLARE Between e NotBetween para modelagem de restrições temporais associadas ao acesso a dados.
Os resultados obtidos demonstram a viabilidade da análise de conformidade declarativa multiperspectiva para a identificação de violações relacionadas ao fluxo de atividades, ao acesso indevido a dados e à execução de atividades por recursos não autorizados. Além disso, a abordagem possibilita a classificação das inconformidades em padrões explicáveis de anomalias, fornecendo maior capacidade analítica para auditoria, governança de processos e conformidade regulatória.
Palavras-chave: Análise de Conformidade Multiperspectiva; Mineração de Processos; Modelagem Declarativa; Privacidade;
Comentários desativados