Detecção de Falhas em um aplicativo móvel bancário

Detalhes bibliográficos
Autor(a) principal: Schulz, Daniel Ferreira
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio2.unb.br/jspui/handle/10482/47827
Resumo: Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.
id UNB_bd4299adaa138069bed3c571f123b3ed
oai_identifier_str oai:repositorio2.unb.br:10482/47827
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Schulz, Daniel FerreiraVon Paumgartten, Aletéia Patrícia Favacho de Araújo2024-02-21T21:36:22Z2024-02-21T21:36:22Z2024-02-212023-11-10SCHULZ, Daniel Ferreira. Detecção de Falhas em um aplicativo móvel bancário. 2023. xiii, 87 f. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2023.http://repositorio2.unb.br/jspui/handle/10482/47827Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.O avanço da Internet revolucionou a maneira como as empresas prestam serviços aos seus clientes. No entanto, a proliferação de pontos de acesso digital também introduziu desafios, já que interrupções nos Sistemas de Informação podem causar danos significativos. Para estabelecer um ambiente operacional e estável, a monitorização contínua dos serviços, conforme preconizado pelo ITIL, tornou-se uma estratégia fundamental. Com base nessas considerações, este estudo propõe uma abordagem inovadora para detectar falhas usando técnicas de mineração de dados, empregando o modelo de referência CRISP-DM. A abordagem envolve a avaliação em tempo real de dados obtidos de uma ferramenta de Web Analytics para identificar rapidamente falhas críticas em uma aplicação web. Para aprimorar a precisão e a eficácia do processo, várias técnicas de pré-processamento e hiperparâmetros foram otimizados utilizando a biblioteca Hyperopt. Além disso, foram desenvolvidos sete modelos de classificação binária para categorizar e identificar falhas. Entre esses modelos, o modelo LSTM demonstrou o melhor desempenho, alcançando uma pontuação ROC-AUC de 0,961 e um F1-Score de 0,827. Esses resultados validam a capacidade do modelo de discernir eficazmente entre casos de falha e sucesso.The advancement of the internet has revolutionized how companies provide services to their customers. However, the proliferation of digital access points has also introduced challenges, as interruptions in Information Systems can cause significant damage. To establish a stable operational environment, continuous monitoring of services, as advocated by TTIL, has become a fundamental strategy. Based on these considerations, this study proposes an innovative approach to detect failures using data mining techniques, employing the CRISP-DM reference model. The approach involves real-time evaluation of data obtained from a Web Analytics tool to swiftly identify critical failures in a web application. To enhance the accuracy and effectiveness of the process, various preprocessing techniques and hyperparameters were optimized using the hyperopt library. Furthermore, seven binary classification models were developed to categorize and identify failures. Among these models, the LSTM model demonstrated the best performance, achieving an ROC-AUC score of 0.961 and an Fl-Score of 0.827. These results validate the models ability to effectively distinguish between failure and success cases.Instituto de Ciências Exatas (IE)Departamento de Ciência da Computação (IE CIC)Programa de Pós-Graduação em Computação Aplicada, Mestrado ProfissionalporA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessDetecção de Falhas em um aplicativo móvel bancárioinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisDetecção de falhasAplicativos móveisSetor bancárioAnálise de dadosModelo CRISP-DMMineração de dados (Computação)Aprendizagem de máquinareponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNBORIGINALDanielFerreiraSchulz_DISSERT.pdfapplication/pdf25865508http://repositorio2.unb.br/jspui/bitstream/10482/47827/1/DanielFerreiraSchulz_DISSERT.pdf7948e98a1496c3fcd29623a7c6fa53b8MD51open access10482/478272024-02-21 18:36:22.348open accessoai:repositorio2.unb.br:10482/47827Biblioteca Digital de Teses e DissertaçõesPUBhttps://repositorio.unb.br/oai/requestopendoar:2024-02-21T21:36:22Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.pt_BR.fl_str_mv Detecção de Falhas em um aplicativo móvel bancário
title Detecção de Falhas em um aplicativo móvel bancário
spellingShingle Detecção de Falhas em um aplicativo móvel bancário
Schulz, Daniel Ferreira
Detecção de falhas
Aplicativos móveis
Setor bancário
Análise de dados
Modelo CRISP-DM
Mineração de dados (Computação)
Aprendizagem de máquina
title_short Detecção de Falhas em um aplicativo móvel bancário
title_full Detecção de Falhas em um aplicativo móvel bancário
title_fullStr Detecção de Falhas em um aplicativo móvel bancário
title_full_unstemmed Detecção de Falhas em um aplicativo móvel bancário
title_sort Detecção de Falhas em um aplicativo móvel bancário
author Schulz, Daniel Ferreira
author_facet Schulz, Daniel Ferreira
author_role author
dc.contributor.author.fl_str_mv Schulz, Daniel Ferreira
dc.contributor.advisor1.fl_str_mv Von Paumgartten, Aletéia Patrícia Favacho de Araújo
contributor_str_mv Von Paumgartten, Aletéia Patrícia Favacho de Araújo
dc.subject.keyword.pt_BR.fl_str_mv Detecção de falhas
Aplicativos móveis
Setor bancário
Análise de dados
Modelo CRISP-DM
Mineração de dados (Computação)
Aprendizagem de máquina
topic Detecção de falhas
Aplicativos móveis
Setor bancário
Análise de dados
Modelo CRISP-DM
Mineração de dados (Computação)
Aprendizagem de máquina
description Dissertação (mestrado) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2023.
publishDate 2023
dc.date.submitted.none.fl_str_mv 2023-11-10
dc.date.accessioned.fl_str_mv 2024-02-21T21:36:22Z
dc.date.available.fl_str_mv 2024-02-21T21:36:22Z
dc.date.issued.fl_str_mv 2024-02-21
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.citation.fl_str_mv SCHULZ, Daniel Ferreira. Detecção de Falhas em um aplicativo móvel bancário. 2023. xiii, 87 f. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2023.
dc.identifier.uri.fl_str_mv http://repositorio2.unb.br/jspui/handle/10482/47827
identifier_str_mv SCHULZ, Daniel Ferreira. Detecção de Falhas em um aplicativo móvel bancário. 2023. xiii, 87 f. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2023.
url http://repositorio2.unb.br/jspui/handle/10482/47827
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
bitstream.url.fl_str_mv http://repositorio2.unb.br/jspui/bitstream/10482/47827/1/DanielFerreiraSchulz_DISSERT.pdf
bitstream.checksum.fl_str_mv 7948e98a1496c3fcd29623a7c6fa53b8
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv
_version_ 1803573655060348928

Registros relacionados