Submitted by Daniella Sodre (daniella.sodre@ufpe.br) on 2015-03-09T14:29:36Z
No. of bitstreams: 2
Dissertação Anderson Andrade.pdf: 3071313 bytes, checksum: 07908bf89eea7f7f09b78f5f6f3c1ed9 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-09T14:29:36Z (GMT). No. of bitstreams: 2
Dissertação Anderson Andrade.pdf: 3071313 bytes, checksum: 07908bf89eea7f7f09b78f5f6f3c1ed9 (MD5)
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Previous issue date: 2013-04-12 / O aumento na complexidade do ambiente de negócios e o acirramento da
competição implicam a necessidade de informações para tomada de decisão em um
espaço de tempo cada vez menor. Por outro lado, sistemas de informação mais
abrangentes e complexos geram cada vez mais dados, tornando inviável a atividade
de auditoria não assistida por métodos computacionais. As técnicas de inteligência
artificial, particularmente aprendizagem de máquina, estão entre as mais
apropriadas para lidar com esse tipo de problema. Dentre as técnicas de
aprendizagem de máquina, as redes neurais artificiais vêm desempenhando um
papel comprovadamente eficaz como ferramenta de apoio a atividade de auditoria.
Diante desse cenário e alinhado ao estado da arte no uso da tecnologia da
informação na atividade de auditoria, essa dissertação propõe a construção de um
framework para detecção de anomalias em bases de dados baseado na rede neural
artificial Mapas auto-organizáveis - Self-Organizing Maps (SOM). Utilizando as
propriedades de mapeamento da Rede SOM, o framework consiste em: (i)
demonstrar que dados visualmente distantes da área de influência da rede SOM são
anomalias, e (ii) estabelecer um critério, baseado em intervalo de percentil, para
classificação dos dados como possíveis anomalias independentemente da região do
mapa SOM em que se encontrem. Ademais, este trabalho usa a análise de trajetória
SOM na função de classificador de anomalia, a fim de comparar o limiar fixo
baseado na vizinhança do neurônio com o limiar baseado em intervalo de percentil.
O framework proposto foi aplicado em uma base de dados real de folha de
pagamento. Os resultados apresentados na dissertação mostraram que o framework
conseguiu obter bons resultados neste problema.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/11492 |
| Date | 12 April 2013 |
| Creators | ANDRADE, Anderson de Souza |
| Contributors | OLIVEIRA, Adriano Lorena Inácio de |
| Publisher | Universidade Federal de Pernambuco |
| Source Sets | IBICT Brazilian ETDs |
| Language | Breton |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds