[grants behavior]

Projeto de Classificação de Comportamentos (Projeto BEHAVIOR)

O Projeto de Classificação de Comportamentos tem como objetivo melhorar a segurança das aplicações do lado do cliente, através do desenvolvimento de uma solução que monitoriza e classifica comportamentos em aplicações web.

Read in English

Sobre o Projeto

O objetivo principal do projeto é reforçar a segurança das aplicações client-side, desenvolvendo novas abordagens que complementam as soluções existentes no âmbito da monitorização de comportamentos em aplicações web. Garantir uma segurança robusta representa um desafio significativo à medida que as aplicações web modernas se tornam cada vez mais complexas e integradas.

As medidas de segurança tradicionais, tais como firewalls e sistemas de deteção de intrusões de rede, podem não ser totalmente eficazes contra vulnerabilidades do lado do cliente (client-side). Deste modo, o projeto visa criar uma solução dinâmica, focada especificamente na identificação e mitigação de riscos no nível do cliente.

A criação de soluções para este contexto envolve dois passos fundamentais:

  1. Identificação de comportamentos
  2. Classificação dos mesmos de acordo com o risco apresentado.

A solução BEHAVIOR melhora a segurança das aplicações client-side através do desenvolvimento de um protótipo que monitoriza e recolhe comportamentos em aplicações web, identificando potenciais ameaças com recurso a modelos de Inteligência Artificial. Este protótipo avalia dinamicamente qualquer ação ou sequência de ações, identificando desvios em relação ao comportamento normal que possam indicar atividade maliciosa. A Inteligência Artificial permite que a solução aprenda e se adapte continuamente a novos padrões de ataque, assegurando a sua eficácia contra ameaças em evolução.

Objetivo #1

O primeiro objetivo abrange não só a identificação dos comportamentos em si, mas também a identificação dos recursos responsáveis por esses comportamentos, nomeadamente quais as entidades que desencadearam essas ações.

Ao mapear os comportamentos para as respetivas entidades, o sistema consegue compreender melhor as causas subjacentes a potenciais problemas e ameaças de segurança. Este passo é essencial para distinguir entre o comportamento legítimo da aplicação e ações maliciosas ou não intencionais que possam comprometer a segurança, aspeto abordado no segundo objetivo.

Objetivo #2

O segundo objetivo do projeto consiste em classificar os comportamentos capturados dinamicamente durante a execução da aplicação. Isto é feito através da análise da cadeia de comportamentos observados e de qual entidade os desencadeou.

Por meio da análise do contexto e da sequência desses comportamentos, o sistema consegue identificar padrões indicativos de potenciais ameaças. O objetivo é classificar o seu risco e intenção maliciosa, os quais variam consoante o cenário.

Disseminação e Resultados do Projeto

No âmbito do projeto, foram aceites cinco contribuições científicas, correspondentes a quatro artigos de conferência e um póster. Os trabalhos abordam diferentes temas relacionados com a segurança de software, incluindo a deteção de vulnerabilidades através de modelos de linguagem de grande dimensão, a melhoria do processamento de código, a deteção de malware em JavaScript e a identificação de malware Magecart:

Título da Publicação Autores & Citação Link
Evaluating LLaMA 3.2 for Software Vulnerability Detection Gonçalves, J. et al. (2025)
https://doi.org/10.1007/978-3-031-94855-8_3
Enhancing JavaScript Malware Detection Through Weighted Behavioral DFAs Pereira, P., Gonçalves, J., Vitorino, J., Maia, E., Praça, I. (2025)
https://doi.org/10.1007/978-3-031-94855-8_13
Enhancing Large Language Models with Faster Code Preprocessing for Vulnerability Detection Gonçalves, J., Silva, M., Maia, E., Praça, I. (2025)
https://link.springer.com/chapter/10.1007/978-3-032-04160-9_17
Adversarially Robust and Interpretable Magecart Malware Detection Pereira, P., Gouveia, J., Vitorino, J., Maia, E., Praça, I. (2025)
https://ieeexplore.ieee.org/abstract/document/11261630
A Magecart Malware Detection with Feature Engineering (Poster) Pereira, P., Gouveia, J., Vitorino, J., Maia, E., Praça, I. (2025)
https://ieeexplore.ieee.org/abstract/document/11261553

 

Participação em Conferências e Eventos Científicos

A apresentação de trabalhos em conferências constituiu uma componente complementar à publicação científica. A participação presencial do ISEP nos eventos identificados permitiu divulgar os resultados do projeto, promover a troca de conhecimento e fomentar a interação com investigadores e profissionais:

EICC 2025 — European Interdisciplinary Cybersecurity Conference
  • Data: 18–19 de junho de 2025
  • Local: Rennes, França
  • Visão Geral: A EICC 2025 é uma conferência dedicada à cibersegurança numa perspetiva interdisciplinar, promovendo a interseção entre a ciência da computação, o direito, a criminologia e as ciências sociais.
  • Trabalhos Divulgados:
    • Evaluating LLaMA 3.2 for Software Vulnerability Detection
    • Enhancing JavaScript Malware Detection Through Weighted Behavioral DFAs
  • Resultado: Os trabalhos foram publicados nas atas da conferência, que integram a série Communications in Computer and Information Science (CCIS), da Springer. A participação na EICC 2025 permitiu apresentar resultados relacionados com a deteção de vulnerabilidades em software e de malware em JavaScript, contribuindo para a sua divulgação junto da comunidade científica dedicada à cibersegurança.

 

DCAI 2025 — 22nd International Conference on Distributed Computing and Artificial Intelligence
  • Data: 25–27 de junho de 2025
  • Local: Universidade de Lille, França
  • Visão Geral: A DCAI 2025 é uma conferência internacional dedicada à computação distribuída e à Inteligência Artificial, incluindo áreas de aplicação como a saúde, blockchain, ciber-resiliência e computação quântica.
  • Trabalho Divulgado:
    • Enhancing Large Language Models with Faster Code Preprocessing for Vulnerability Detection
  • Resultado: A apresentação deste trabalho permitiu divulgar uma abordagem relacionada com a utilização de modelos de linguagem de grande dimensão na deteção de vulnerabilidades, destacando a importância do processamento de código para a análise de segurança. A participação neste evento contribuiu para a disseminação dos resultados junto de uma comunidade científica com interesses nas áreas da Inteligência Artificial e da computação.
NCA 2025 — IEEE International Symposium on Network Computing and Applications
  • Data: 5–7 de novembro de 2025
  • Local: Lisboa, Portugal
  • Visão Geral: O NCA 2025 é um simpósio internacional promovido pela IEEE, centrado em computação em rede, edge e fog computing, eficiência energética e aplicações de Inteligência Artificial em redes e sistemas distribuídos.
  • Contributos Divulgados:
    • Adversarially Robust and Interpretable Magecart Malware Detection
    • A Magecart Malware Detection with Feature Engineering (Poster)
  • Resultado: Estes trabalhos abordam diferentes perspetivas da deteção de malware Magecart, incluindo a robustez e interpretabilidade dos métodos de deteção e a utilização de técnicas de engenharia de características. A participação no NCA 2025 permitiu divulgar estes contributos num fórum científico internacional e promover a partilha de conhecimento sobre métodos de deteção de ameaças.

 

Disseminação Industrial e Alinhamento Comercial

Complementarmente à vertente académica e científica assegurada pelo ISEP, a Jscrambler dinamizou um conjunto de ações de disseminação com um foco vincado na aplicação ao mercado da indústria, segurança web, e resposta a normas de Compliance & Regulations, especialmente direcionadas ao setor do Comércio Eletrónico e Retalho (eCommerce / Retail). No âmbito do projeto BEHAVIOR, destacam-se os seguintes eventos promovidos:

SAQ A and Beyond: Tackling PCI DSS Anti-Skimming Requirements by April 1
  • Data: 19 de março de 2025
  • Oradores: John Elliott, Gareth Bowker e Pedro Fortuna
  • Foco: Abordou os desafios e soluções na resposta aos exigentes requisitos anti-skimming da norma PCI DSS.

▶︎ Ver Webinar

 

Iframe Integrity: Empowering PSPs to Secure Payment Iframes Against Skimming Attacks with Zero Hassle
  • Data: 23 de abril de 2025
  • Oradores: Pedro Fortuna e Gareth Bowker
  • Foco: dotar os Prestadores de Serviços de Pagamento (PSPs) das ferramentas necessárias para proteger as iframes de pagamento contra ataques de skimming, de forma simples e eficiente.

▶︎ Ver Webinar

Beyond Skimming: Reduce Costs and Risks with Comprehensive Web Security
  • Data: 9 de setembro de 2025
  • Oradores: Gareth Bowker, Ruth Barra e Thomas Freeman
  • Foco: Uma sessão dedicada a explorar o panorama para além do skimming, demonstrando como uma segurança web abrangente é vital para a mitigação de riscos operacionais e financeiros.

▶︎ Ver Webinar

Parceiros do Projeto BEHAVIOR

A Jscrambler, líder global em Proteção Client-Side e Conformidade (Compliance), atua como copromotora principal deste projeto, contribuindo com a sua vasta experiência na proteção de aplicações client-side e na monitorização de comportamentos em ambientes web. O projeto visa melhorar a segurança das aplicações no lado do cliente desenvolvendo um protótipo que monitoriza e classifica comportamentos em aplicações web, identificando riscos e potenciais ameaças com recurso a Inteligência Artificial.

Neste contexto, a Jscrambler alavanca a sua experiência na análise e proteção de aplicações web para apoiar o mapeamento de interações entre recursos e comportamentos. Esta especialização será fulcral para permitir uma avaliação detalhada de risco e promover o desenvolvimento de soluções inovadoras de deteção e mitigação de ameaças de segurança. A contribuição da Jscrambler foca-se no seu profundo conhecimento sobre comportamentos em JavaScript, análise em tempo de execução (runtime) e classificação de risco, alinhando-se ao objetivo do projeto de fornecer insights operacionais para a segurança client-side.

Ao combinar aplicações práticas de segurança com os objetivos de investigação do projeto, a Jscrambler contribui para alcançar resultados de elevado impacto que fortalecem a proteção de aplicações client-side e impulsionam os resultados técnicos e académicos. Isto inclui o apoio e a disseminação de resultados por meio de teses académicas, publicações e conteúdos educativos, reforçando a contribuição do projeto para o avanço dos padrões de segurança em ambientes web.

O ISEP/IPP — GECAD, entidade reconhecida do sistema científico, participa ativamente em projetos para criar e implementar soluções e serviços inovadores para os utilizadores finais. Neste projeto, a sua equipa aplica toda a sua experiência na extração de conhecimento a partir de grandes volumes de dados, aplicando algoritmos baseados em Inteligência Artificial aos novos contextos apresentados pelo projeto e desenvolvendo novos algoritmos e abordagens combinadas que culminarão numa plataforma de serviços altamente disruptiva.

Em particular, o ISEP/IPP – GECAD contribui com o seu conhecimento e experiência no domínio das Tecnologias de Conhecimento e Aprendizagem, especificamente nas seguintes áreas: Sistemas Baseados em Conhecimento, Ontologias, Web Semântica, Web Social, Mineração de Dados (Data Mining), Descoberta de Conhecimento, Redes Neuronais, Agentes Inteligentes e Tutores Inteligentes. Os resultados do projeto integrarão uma dissertação de mestrado e materiais pedagógicos para cursos lecionados pela instituição, disseminando os resultados e acrescentando valor à comunidade académica.