Classificação de documentos sensíveis da administração pública utilizando CBIR
Resumo
As organizações públicas enfrentam dificuldades para realizar a devida classificação e promover a transparência dos seus documentos. A classificação correta é fundamental para prevenir o acesso público a informações sensíveis e proteger indivíduos e organizações contra o uso malicioso. Este trabalho apresenta uma pesquisa em andamento que propõe métodos para realizar a tarefa de classificação de documentos sensíveis utilizando técnicas de aprendizagem de máquina. Foram utilizados dados reais do Sistema Eletrônico de Informações (SEI) da UFG e os resultados preliminares demonstram o potencial e viabilidade do projeto, tendo já alcançado uma taxa de acerto de 87% na classificação de documentos públicos.
Referências
Battaglia, E., Bioglio, L., and Pensa, R. G. (2020). Towards content sensitivity analysis. In Advances in Intelligent Data Analysis XVIII: 18th International Symposium on Intelligent Data Analysis, IDA 2020, Konstanz, Germany, April 27–29, 2020, Proceedings 18, pages 67–79. Springer.
Brasil (2011). Lei nº 12.527, de 18 de novembro de 2011. Diário Oficial da República Federativa do Brasil.
Brasil (2018). Lei nº 13.709, de 14 de agosto de 2018. Diário Oficial da República Federativa do Brasil.
Costa, R., Junior, E., Nunes, F., Oliveira, L., and Salvini, R. (2015). Analysis of techniques of the content-based image retrieval to construct an information system of the computer-aided diagnosis.
Geetha, R., Karthika, S., and Kumaraguru, P. (2022). ‘Will I regret for this tweet?’Twitter user’s behavior analysis system for private data disclosure. The Computer Journal, 65(2):275–296.
Kobayashi, V. B., Mol, S. T., Berkers, H. A., Kismihok, G., and Den Hartog, D. N. (2018). Text classification for organizational researchers: A tutorial. Organizational research methods, 21(3):766–799.
McDonald, G., Macdonald, C., and Ounis, I. (2015). Using part-of-speech n-grams for sensitive-text classification. In Proceedings of the 2015 International conference on the theory of information retrieval, pages 381–384.
Neerbek, J., Assent, I., and Dolog, P. (2018). Detecting complex sensitive information via phrase structure in recursive neural networks. In Advances in Knowledge Discovery and Data Mining: 22nd Pacific-Asia Conference, PAKDD 2018, Melbourne, VIC, Australia, June 3-6, 2018, Proceedings, Part III 22, pages 373–385. Springer.
Occhipinti, A., Rogers, L., and Angione, C. (2022). A pipeline and comparative study of 12 machine learning models for text classification. Expert Systems with Applications, 201:117193.
Ougiaroglou, S. and Evangelidis, G. (2015). Dealing with noisy data in the context of k-NN classification. In Proceedings of the 7th Balkan Conference on Informatics Conference, pages 1–4.
Sousa, S. and Kern, R. (2023). How to keep text private? A systematic review of deep learning methods for privacy-preserving natural language processing. Artificial Intelligence Review, 56(2):1427–1492.
UFG, A. (2023). Painel de indicadores do SEI-UFG. Acessado em junho de 2023.
Zhai, H. (2022). Improving KNN algorithm efficiency based on PCA and KD-tree. In 2022 International Conference on Machine Learning and Knowledge Engineering (MLKE), pages 83–87. IEEE.
Brasil (2011). Lei nº 12.527, de 18 de novembro de 2011. Diário Oficial da República Federativa do Brasil.
Brasil (2018). Lei nº 13.709, de 14 de agosto de 2018. Diário Oficial da República Federativa do Brasil.
Costa, R., Junior, E., Nunes, F., Oliveira, L., and Salvini, R. (2015). Analysis of techniques of the content-based image retrieval to construct an information system of the computer-aided diagnosis.
Geetha, R., Karthika, S., and Kumaraguru, P. (2022). ‘Will I regret for this tweet?’Twitter user’s behavior analysis system for private data disclosure. The Computer Journal, 65(2):275–296.
Kobayashi, V. B., Mol, S. T., Berkers, H. A., Kismihok, G., and Den Hartog, D. N. (2018). Text classification for organizational researchers: A tutorial. Organizational research methods, 21(3):766–799.
McDonald, G., Macdonald, C., and Ounis, I. (2015). Using part-of-speech n-grams for sensitive-text classification. In Proceedings of the 2015 International conference on the theory of information retrieval, pages 381–384.
Neerbek, J., Assent, I., and Dolog, P. (2018). Detecting complex sensitive information via phrase structure in recursive neural networks. In Advances in Knowledge Discovery and Data Mining: 22nd Pacific-Asia Conference, PAKDD 2018, Melbourne, VIC, Australia, June 3-6, 2018, Proceedings, Part III 22, pages 373–385. Springer.
Occhipinti, A., Rogers, L., and Angione, C. (2022). A pipeline and comparative study of 12 machine learning models for text classification. Expert Systems with Applications, 201:117193.
Ougiaroglou, S. and Evangelidis, G. (2015). Dealing with noisy data in the context of k-NN classification. In Proceedings of the 7th Balkan Conference on Informatics Conference, pages 1–4.
Sousa, S. and Kern, R. (2023). How to keep text private? A systematic review of deep learning methods for privacy-preserving natural language processing. Artificial Intelligence Review, 56(2):1427–1492.
UFG, A. (2023). Painel de indicadores do SEI-UFG. Acessado em junho de 2023.
Zhai, H. (2022). Improving KNN algorithm efficiency based on PCA and KD-tree. In 2022 International Conference on Machine Learning and Knowledge Engineering (MLKE), pages 83–87. IEEE.
Publicado
18/09/2023
Como Citar
CARVALHO, Rogério Rodrigues; MACEDO, Sanderson Oliveira de; OLIVEIRA, Leandro Luis Galdino; COSTA, Ronaldo Martins da.
Classificação de documentos sensíveis da administração pública utilizando CBIR. In: SIMPÓSIO BRASILEIRO DE SEGURANÇA DA INFORMAÇÃO E DE SISTEMAS COMPUTACIONAIS (SBSEG), 23. , 2023, Juiz de Fora/MG.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 564-569.
DOI: https://doi.org/10.5753/sbseg.2023.233683.
