https://ric.cps.sp.gov.br/handle/123456789/32 Faculdade de Tecnologia Ministro Ralph Biasi (Americana) 2026-09-20T02:08:07Z https://ric.cps.sp.gov.br/handle/123456789/48695 Title: Título: subtítulo teste Abstract: Apresentação (Escopo) do Projeto Description: Descrição do item 2026-08-09T00:00:00Z https://ric.cps.sp.gov.br/handle/123456789/48694 Title: teste formulário Abstract: Apresentação (Escopo) do Projeto Description: Descrição do item 2026-09-09T00:00:00Z https://ric.cps.sp.gov.br/handle/123456789/46674 Title: A dicotomia entre segurança pública e privacidade individual Authors: FREITAS, Raphael Aristóteles; SILVEIRA, Renata Freitas; PAIVA, Lucas Ricieri Andrade Abstract: Este artigo tem como objetivo analisar a tensão entre segurança pública e privacidade individual no contexto do uso de tecnologias de vigilância urbana, com ênfase na Internet das Coisas (IoT), bem como avaliar o nível de conhecimento e de confiança da população em relação à legislação. A partir de revisão bibliográfica e levantamento de campo realizado por meio de questionário online, investigou-se a percepção de cidadãos brasileiros sobre a coleta de dados pessoais em espaços públicos e seu grau de familiaridade com a Lei Geral de Proteção de Dados (LGPD). Os resultados indicam que, embora haja aceitação moderada do uso de tecnologias inteligentes para fins de segurança, há presença de desconfiança significativa quanto à efetividade da LGPD na proteção dos dados pessoais. Além disso, a maioria dos participantes demonstrou baixo nível de familiaridade com a legislação. Conclui-se que o avanço das tecnologias de vigilância deve ser acompanhado por transparência, fiscalização e educação digital, para equilibrar inovação tecnológica e garantias fundamentais. Palavras-chave: LGPD; IoT; Privacidade; Segurança; Vigilância.; This article aims to analyze the tension between public security and individual privacy in the context of urban surveillance technologies, with an emphasis on the Internet of Things (IoT), as well as to assess the population’s level of knowledge and trust regarding data protection legislation. Based on a literature review and a field study conducted through an online questionnaire, the research investigated Brazilian citizens’ perceptions of the collection of personal data in public spaces and their degree of familiarity with the General Data Protection Law (LGPD). The results indicate that, although there is moderate acceptance of the use of smart technologies for security purposes, there is significant distrust regarding the effectiveness of the LGPD in protecting personal data. Furthermore, most participants demonstrated a low level of familiarity with the legislation. It is concluded that the advancement of surveillance technologies should be accompanied by transparency, oversight, and digital education in order to balance technological innovation and fundamental rights. Keywords: LGPD; IoT; Privacy; Security; Surveillance. Description: Preprint da Revista Eletrônica e-Fatec, 2026, ISSN 2317-451X. 2026-05-26T00:00:00Z https://ric.cps.sp.gov.br/handle/123456789/46673 Title: Avaliação multimétrica de deepfakes em ataques de engenharia social baseados em vídeo Authors: PARRA, Thiago José Castanho; EGIDIO, Willian Abstract: Este artigo investiga os riscos associados ao uso de técnicas de identity swap em fraudes visuais baseadas em inteligência artificial generativa. O avanço recente de métodos de manipulação facial tem ampliado o potencial de ataques de engenharia social, evidenciando limitações de sistemas tradicionais de verificação biométrica. Nesse contexto, o objetivo deste trabalho é analisar a eficácia de diferentes arquiteturas generativas em cenários de processamento assíncrono (offline), avaliando seu impacto sobre métricas estruturais, perceptuais e biométricas. Para isso, propõe-se um modelo de avaliação multimétrica que integra essas diferentes dimensões de análise. A metodologia baseia-se em experimentos controlados que comparam pipelines locais, estruturados sob autoencoders com refinamento adversarial, e modelos baseados em difusão latente. Os resultados evidenciam uma assimetria relevante entre qualidade visual e preservação de identidade, indicando que técnicas de difusão podem contornar mecanismos de detecção baseados exclusivamente em anomalias visuais globais. Como contribuição, o estudo demonstra o desacoplamento entre métricas perceptuais e biométricas e propõe uma abordagem integrada de avaliação, com implicações para o aprimoramento de estratégias de detecção e governança de sistemas de inteligência artificial. Palavras-chave: Inteligência Artificial Generativa, Engenharia Social, Manipulação Facial, Detecção de Deepfakes.; This paper investigates the risks associated with the use of identity swap techniques in visual fraud based on Generative Artificial Intelligence. Recent advances in facial manipulation methods have expanded the potential for social engineering attacks, highlighting the limitations of traditional biometric verification systems. In this context, the objective of this work is to analyze the effectiveness of different generative architectures in asynchronous processing (offline) scenarios, evaluating their impact on structural, perceptual, and biometric metrics. To this end, we propose a multi-metric evaluation model that integrates these different dimensions of analysis. The methodology is based on controlled experiments that compare on-premise pipelines, structured using autoencoders with adversarial refinement, and models based on latent diffusion. The results reveal a significant asymmetry between visual quality and identity preservation, indicating that diffusion techniques can circumvent detection mechanisms based exclusively on global visual anomalies. As a contribution, the study demonstrates the decoupling between perceptual and biometric metrics and proposes an integrated evaluation approach, with implications for the improvement of detection strategies and the governance of Artificial Intelligence systems. Keywords: Generative Artificial Intelligence, Social Engineering, Facial Manipulation, Deepfake Detection. 2026-06-10T00:00:00Z