Banca de QUALIFICAÇÃO: FELIPE MESSIAS DUARTE DOS SANTOS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: FELIPE MESSIAS DUARTE DOS SANTOS
DATA: 29/11/2025
HORA: 08:30
LOCAL: Sala virtual no meet
TÍTULO: ProLog: Um Pipeline Híbrido Baseado em Transformers e Hidden Markov Models para Detecção e Classificação de Anomalias em Logs de Sistemas em Nuvem
PALAVRAS-CHAVES: Detecção de anomalias; aprendizado profundo; logs de sistemas; modelos de Markov ocultos.
PÁGINAS: 70
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
RESUMO:

A confiabilidade e disponibilidade de sistemas em nuvem dependem da capacidade de
detectar e diagnosticar anomalias operacionais de forma rápida, precisa e interpretável.
Entretanto, logs de sistemas em ambientes distribuídos apresentam desafios significativos,
como alta dimensionalidade, desbalanceamento extremo entre eventos normais e anômalos,
variabilidade temporal e instabilidade estrutural das mensagens. Esses fatores limitam o
desempenho e a escalabilidade de abordagens convencionais de aprendizado supervisionado.
Esta dissertação propõe o ProLog, um pipeline híbrido que integra aprendizado profundo
contextual, modelagem probabilística sequencial e técnicas de ensemble supervisionado
para detecção e classificação de anomalias em logs de sistemas em nuvem. A arquitetura
combina um Transformer Encoder para geração de embeddings semânticos de eventos, K-
Means para agrupamento não supervisionado de subprocessos, e um Hidden Markov Model
(HMM) para modelagem temporal das transições de estados normais. O trabalho introduz
ainda um normality score relativo, baseado em diferença quadrática média, que permite
contextualizar anomalias em relação ao comportamento normal aprendido, superando
limitações de limiares absolutos fixos.
Para a classificação de tipos de falha, o ProLog utiliza uma abordagem híbrida que combina
features textuais (TF-IDF) e features numéricas semânticas em um Stacking Ensemble
composto por modelos heterogêneos, incluindo Balanced Random Forest, LightGBM e
Logistic Regression.

MEMBROS DA BANCA:
Presidente - 2619458 - ERICO MENESES LEAO
Interno - 1732950 - JOSE VALDEMIR DOS REIS JUNIOR
Interno - 2061294 - RICARDO DE ANDRADE LIRA RABELO