Emanuel Pires

Os ataques de negação de serviço - Denial-of-Service (DoS) estão mais frequentes e sofisticados, tornando-se um grande desafio da atualidade, impactando negativamente as empresas, causando prejuízo financeiro e danos à reputação. Além disso, esses ataques são gerados visando assemelhar-se a clientes legítimos, dificultando a ação das ferramentas de detecção/mitigação. Portanto, este artigo propõe o uso da funcionalidade de dimensionamento automático, disponível na plataforma Kubernetes, para oferecer uma maior disponibilidade durante um ataque DoS. Verificou-se, durante a realização de experimentos, que os clientes tiveram um aumento da disponibilidade e uma diminuição do tempo de serviço quando a estratégia de dimensionamento automático estava ativada, durante os ataques.

@inproceedings{wtf,
 author = {Emanuel Cruz and João Andrade and João Corrêa},
 title = { Infraestrutura como Mitigação: Um Estudo de Viabilidade do Uso do Auto-Scaling Contra Ataques de DoS em Ambiente de Microsserviços},
 booktitle = {Anais do XXV Workshop de Testes e Tolerância a Falhas},
 location = {Niterói/RJ},
 year = {2024},
 keywords = {},
 issn = {2595-2684},
 pages = {85--98},
 publisher = {SBC},
 address = {Porto Alegre, RS, Brasil},
 doi = {10.5753/wtf.2024.3311},
 url = {https://sol.sbc.org.br/index.php/wtf/article/view/29771}
}

Ataques de negação de serviço Denial-of-Service (DoS), visam afetar a disponibilidade de aplicações para usuários legítimos. Em ambientes de computação em nuvem, como o Kubernetes, ataques podem ser prejudiciais sem isolamento entre aplicações. Este estudo analisa o isolamento entre contêineres em Kubernetes. Experimentos mostraram que métricas de um contêiner foram afetadas por um ataque em outro na mesma infraestrutura. Os resultados indicam falta de isolamento adequado entre contêineres.

@inproceedings{sbrc_estendido,
 author = {João Andrade and Emanuel Cruz and João Corrêa},
 title = { Análise do Nível de Isolamento entre Contêineres Durante Ataques de Negação de Serviço em Computação em Nuvem},
 booktitle = {Anais Estendidos do XLII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos},
 location = {Niterói/RJ},
 year = {2024},
 keywords = {},
 issn = {2177-9384},
 pages = {217--224},
 publisher = {SBC},
 address = {Porto Alegre, RS, Brasil},
 doi = {10.5753/sbrc_estendido.2024.3301},
 url = {https://sol.sbc.org.br/index.php/sbrc_estendido/article/view/29975}
}

Online games are growing, and cheating is becoming more common. Chess, considered a sport by many, often faces cheating in tournaments. The website chess.com daily blocks hundreds of accounts accused of cheating, often using engines like Stockfish. This study analyzes human patterns in thousands of matches using Stockfish to identify cheating. Results show that Stockfish analysis helps identify cheating by comparing players' Elo ratings and move sequences. However, this method alone is insufficient for definitive accusations, necessitating the combination with other robust methods to increase the accuracy of accusations, providing a more comprehensive approach to combating cheating.

@inproceedings{sbgames_estendido,
 author = {João Batista Santos and Emanuel Ávila and Caio Oliveira and Vitor Manuel Gomes and José Gilvan Maia and Artur Franco},
 title = { Analysis of cheating in human patterns using Stockfish suggestions},
 booktitle = {Anais Estendidos do XXIII Simpósio Brasileiro de Jogos e Entretenimento Digital},
 location = {0},
 year = {2024},
 keywords = {},
 issn = {0000-0000},
 pages = {25--30},
 publisher = {SBC},
 address = {Porto Alegre, RS, Brasil},
 doi = {10.5753/sbgames_estendido.2024.241054},
 url = {https://sol.sbc.org.br/index.php/sbgames_estendido/article/view/31999}
}

Context: Developers’ interactions on collaborative software development platforms like GitHub are key to maintaining technical alignment and community engagement. However, uncivil behaviors such as disrespectful, sarcastic, or offensive comments can undermine these efforts, discouraging contributions and harming code quality. Goal: This study introduces PeacemakerBot, an automated moderation tool that detects and warns developers of incivility signs in GitHub conversations. Method: We leverage Large Language Models (LLMs) to analyze conversations, identify signals of incivility, and generate reformulation suggestions in real time. To evaluate it, we conducted a user study with six developers, followed by a survey based on the Technology Acceptance Model (TAM) to understand their perception of the tool’s usefulness. Results: Our results suggest that PeacemakerBot successfully identifies multiple types of incivility and promotes more constructive conversations. The moderation feedback loop allows users to revise flagged comments, enhancing awareness and reducing harmful language over time. Conclusion: Our tool fills a key gap in OSS by providing AI-assisted moderation to enhance the social climate and inclusiveness of developer interactions. Video link: https://doi.org/10.5281/zenodo.15485535

@inproceedings{sbes,
 author = {Antônio Gomes and Eric Mesquita and Emanuel Ávila and Carlos Jefté and Arthur Mesquita and Lucas Sousa and Matheus Rabelo and Mairieli Wessel and Anderson Uchôa},
 title = { PeacemakerBot: A LLM-Powered Bot for Identifying and Reducing Signs of Incivility in GitHub Conversations},
 booktitle = {Anais do XXXIX Simpósio Brasileiro de Engenharia de Software},
 location = {Recife/PE},
 year = {2025},
 keywords = {},
 issn = {2833-0633},
 pages = {872--878},
 publisher = {SBC},
 address = {Porto Alegre, RS, Brasil},
 doi = {10.5753/sbes.2025.10983},
 url = {https://sol.sbc.org.br/index.php/sbes/article/view/37072}
}