Ataque Adversarial em Modelos de Linguagem para a Língua Portuguesa

Figueiredo, Allan Chamon

DSpace Home
→
Centro de Ciências Exatas e Tecnologia (CCET)
→
Informática Aplicada
→
INAP - Dissertações de Mestrado
→
View Item

dc.contributor.advisor	Moura, Pedro Nuno de Souza
dc.contributor.author	Figueiredo, Allan Chamon
dc.date.accessioned	2026-05-27T22:48:59Z
dc.date.available	2026-05-27T22:48:59Z
dc.date.issued	2025-09-26
dc.identifier.citation	FIGUEIREDO, Allan Chamon. Ataque Adversarial em Modelos de Linguagem para a Língua Portuguesa. 2025. Dissertação (Mestrado em Informática) - Universidade Federal do Estado do Rio de Janeiro, Rio de Janeiro, 2025.	pt_BR
dc.identifier.uri	http://hdl.handle.net/unirio/15161
dc.description.sponsorship	n/a	pt_BR
dc.language.iso	Portuguese	pt_BR
dc.rights	openAccess	pt_BR
dc.title	Ataque Adversarial em Modelos de Linguagem para a Língua Portuguesa	pt_BR
dc.type	masterThesis	pt_BR
dc.contributor.advisor-co	Alvim, Adriana Cesário de Faria
dc.contributor.referee	Moura, Pedro Nuno de Souza
dc.contributor.referee	Alvim, Adriana Cesário de Faria
dc.contributor.referee	Mello, Carlos Eduardo
dc.contributor.referee	Duarte, Julio Cesar
dc.degree.department	CCET	pt_BR
dc.degree.grantor	Universidade Federal do Estado do Rio de Janeiro - UNIRIO	pt_BR
dc.degree.level	Mestrado Acadêmico	pt_BR
dc.degree.local	Rio de Janeiro,RJ	pt_BR
dc.degree.program	Programa de Pós-Graduação em Informática	pt_BR
dc.subject.cnpq	CIÊNCIAS EXATAS E DA TERRA.CIÊNCIA DA COMPUTAÇÃO	pt_BR
dc.subject.en	Adversarial Attacks	pt_BR
dc.subject.en	Language Models	pt_BR
dc.subject.en	Natural Language Processing (NLP)	pt_BR
dc.subject.en	AI Security	pt_BR
dc.subject.en	Portuguese Language	pt_BR
dc.description.abstracten	This dissertation investigates the vulnerability of language models (LLMs) trained or fine-tuned for the Portuguese language to textual adversarial attacks. The study analyzes how small perturbations in inputs (such as character swaps, synonyms, or semantic insertions) can lead models to erroneous classifications or unforeseen behaviors. Using tools like the OpenAttack toolkit, the research evaluates the robustness of different architectures and discusses the implications of these attacks for the security of real-world NLP applications in Brazil. The results contribute to the development of more effective defenses and the training of models that are more resilient to malicious manipulation attempts.	pt_BR
dc.degree.country	Brasil	pt_BR
dc.description.sponsordocumentnumber	n/a	pt_BR
dc.description.abstractpt	Esta dissertação investiga a vulnerabilidade de modelos de linguagem (LLMs) treinados ou ajustados para a língua portuguesa frente a ataques adversariais textuais. O estudo analisa como pequenas perturbações nas entradas (como trocas de caracteres, sinônimos ou inserções semânticas) podem levar os modelos a classificações errôneas ou comportamentos imprevistos. Utilizando ferramentas como o toolkit OpenAttack, a pesquisa avalia a robustez de diferentes arquiteturas e discute as implicações desses ataques para a segurança de aplicações reais que utilizam PLN no Brasil. Os resultados contribuem para o desenvolvimento de defesas mais eficazes e para o treinamento de modelos mais resilientes a tentativas de manipulação maliciosa.	pt_BR
dc.subject.pt	Ataques Adversariais	pt_BR
dc.subject.pt	Modelos de Linguagem (LLM)	pt_BR
dc.subject.pt	Processamento de Linguagem Natural (PLN)	pt_BR
dc.subject.pt	Segurança em IA	pt_BR
dc.subject.pt	Língua Portuguesa	pt_BR