Devido ao expressivo volume de dados heterogêneos gerados pelos espaços urbanos, bem como aos avanços da tecnologia da informação, diversos Serviços de Computação Urbana têm ganhado visibilidade. Estes serviços utilizam bancos de dados relacionais para armazenamento dos dados coletados e são suscetíveis a possíveis ameaças, dentre elas os ataques de SQL Injection (SQLi). Desta forma, se fazem necessárias soluções de segurança que possam, além de trazer eficiência na detecção, atender aos aspectos de tempo de processamento e tempo de resposta. Dentro deste contexto, este artigo apresenta uma solução para Detecção Escalável de Ameaças SQLi (DEA-SQLi) baseada em Expressões Regulares, atuando assim como um serviço de filtragem inicial para proteção contra ameaças de SQLi, a fim de atender a demandas de tempo de resposta e escalabilidade. Os resultados dos experimentos utilizando um conjunto de dados real sugerem que o DEA-SQLi possui uma eficiência adequada para a detecção de ameaças, enquanto atende aos requisitos de escalabilidade dos serviços de computação urbana.

A Internet é o principal meio de comunicação nos dias atuais, servindo como base para diversos serviços existentes. Todavia, esta ainda sofre com limitações que afetam diretamente a Qualidade de Serviço (QoS) e de Experiência (QoE) dos usuários. Assim, os Provedores de Serviços de Internet (ISPs) vêm aplicando novas tecnologias e estratégias de gerência de redes, dentre elas o Fatiamento de Rede, a fim de fatiar os recursos de rede dentre os clientes e os serviços prestados, onde torna-se crucial um algoritmo para definir a alocação destas fatias de rede, principalmente em cenários com demanda elástica de recursos ao decorrer do dia. Dentro deste contexto, este trabalho apresenta o algoritmo FUMU (FUzzy MUlticriteria) para definir o fatiamento da rede baseado em múltiplas métricas de rede, bem como adaptável as configurações fornecidas pelo administrador de rede. Os resultados dos experimentos realizados, usando topologia de redes reais, sugerem que o FUMU alcança um melhor balanceamento entre uso dos recursos do provedor e cumprimento dos requisitos de QoS para os clientes quando comparado com abordagens existente.

Serviços de monitoramento de rede são executados por diversas empresas e Provedores de Internet (ISPs), que fornecem resultados de testes regulares de desempenho, tais como vazão, perda, atraso, dentre outros. Estas medições auxiliam a conhecer o comportamento da rede, bem como obter informações para um planejamento estratégico. Contudo, estas ferramentas ainda precisam evoluir a fim de englobar atividades mais complexas, tal como predição do desempenho, principalmente dentro do contexto atual de demanda elástica. Dentro deste contexto, este artigo apresenta um modelo adaptativo de predição de desempenho de rede baseado em Redes Neurais e Análise de Séries Temporais, habilitando a identificação do desempenho futuro da rede em determinados períodos, de acordo com medições de rede passadas. Os experimentos realizados, usando dados reais da Rede Nacional de Ensino e Pesquisa (RNP), mostram que o modelo proposto consegue atingir altos níveis de acurácia na predição, bem como supera o uso dos modelos de predição existentes.