◇ OpenCyber Academy
Mestrado · Capítulo 3 · Português

Capítulo 3 — Desenho do estudo, ética e reprodutibilidade

Ensino gratuito e aberto para quem deseja proteger pessoas e tecnologias. Não é preciso criar uma conta para estudar ou consultar as respostas.

Capítulo 3 — Desenho do estudo, ética e reprodutibilidade

Mapa da aula

Aula 03 publicada. Mapa, exemplo, EX015.

flowchart TD
  N0["3.2 Lidando com fatores de confusão"]
  N1["3.3 Consentimento e TLP"]
  N2["3.4 Dados pessoais"]
  N3["3.5 Plano de reprodutibilidade"]
  N4["Síntese"]
  N0 --> N1 --> N2 --> N3 --> N4
  N4 --> EX["Exemplo resolvido"]
  EX --> Q["Exercício EX015"]

Desenho lógico

flowchart LR
  N0["3.2 Lidando com fatores de confusão"]
  N1["3.3 Consentimento e TLP"]
  N2["3.4 Dados pessoais"]
  N3["3.5 Plano de reprodutibilidade"]
  N4["Síntese"]
  N0 --> N1 --> N2 --> N3 --> N4 --> Q["EX015"]

[3.2 Lidando com fatores de confusão]
    |
    v
[3.3 Consentimento e TLP]
    |
    v
[3.4 Dados pessoais]
    |
    v
[3.5 Plano de reprodutibilidade]
    |
    v
[Síntese]
    |
    v
[Exemplo resolvido] --> [Exercício EX015]

Objetivos de aprendizagem

Você vai (1) escolher entre desenhos observacionais e quase experimentais; (2) identificar fatores de confusão em estudos sobre compartilhamento; (3) obter o consentimento dos membros de uma comunidade de compartilhamento para o uso em pesquisa; (4) planejar uma análise reprodutível.

3.1 Limites do estudo observacional

Lucía não pode designar portos ao acaso para a filiação ao CPSG. Pode comparar membros com não membros, mas os membros podem ser diferentes — orçamentos maiores, mais pessoal —, e essas diferenças, e não o compartilhamento, podem explicar um bloqueio mais rápido. Um desenho que ignore isso é um estudo de correlação vestido de avaliação. O desenho de Lucía responde com duas comparações: quatro portos que entraram no CPSG em 2025 são comparados consigo mesmos antes e depois da entrada, e os membros são comparados com seis não membros voluntários pareados por porte. Nenhuma das duas elimina todas as diferenças, mas elas falham de maneiras diferentes, de modo que a concordância entre ambas convence mais do que cada uma isolada.

3.2 Lidando com fatores de confusão

As opções incluem parear membros com não membros de porte semelhante, comparar o mesmo porto antes e depois da entrada ou ajustar pelo tamanho da equipe do SOC. Cada escolha é escrita na proposta, e não feita depois de ver qual dá o resultado mais bonito. Lucía escolheu tanto o pareamento por porte quanto um estrato antes e depois para os quatro portos que entraram em 2025, e escreveu essa escolha na proposta antes de coletar qualquer tempo. Se o estrato antes e depois mostrar uma queda consistente com a entrada, ela pode afirmar com mais força do que a comparação transversal permite.

3.3 Consentimento e TLP

Os dados do CPSG têm o rótulo TLP:AMBER. O uso em pesquisa exige a concordância explícita do conselho de governança da comunidade, e cada membro precisa poder recusar a participação. Os resultados serão agregados de modo que os tempos de nenhum membro isolado possam ser recuperados. Os dados de não membros precisam vir de participantes voluntários, e não de sondagens na infraestrutura deles. O conselho de governança aprovou o desenho de Lucía com três condições: resultados agregados em grupos de pelo menos três, nenhum nome de porto e exclusão dos tempos brutos depois que a dissertação for avaliada. Os seis portos não membros forneceram voluntariamente os próprios tempos; nada foi coletado da infraestrutura deles sem a sua participação.

3.4 Dados pessoais

Os registros de tempo até o bloqueio podem incluir nomes de usuário dos analistas. Lucía os remove na origem; ela precisa de tempos, não de pessoas. A legislação de proteção de dados, como o GDPR, se aplica mesmo na pesquisa em segurança, e a minimização é o passo de conformidade mais simples. No Brasil, a LGPD (Lei nº 13.709/2018) adota o mesmo princípio da minimização, e a ANPD fiscaliza seu cumprimento. Remover os nomes na origem significa que a exportação do membro para Lucía contém apenas carimbos de tempo, tipo de indicador e decisão. Se o nome de um analista fosse mantido, mesmo em um arquivo de trabalho, os dados identificariam a pessoa que demorou a bloquear um indicador específico, um dano a esse analista que o estudo não precisa arriscar.

3.5 Plano de reprodutibilidade

Scripts de análise com a biblioteca padrão, um dicionário de dados, arquivos de amostra sintéticos e uma semente aleatória fixa para qualquer reamostragem. O plano faz parte da proposta. Para Lucía, os arquivos de amostra sintéticos usam exatamente os campos do dicionário de dados dela, t_pub, t_block, ttb_h, ioc_type e decision, de modo que os mesmos scripts rodam sobre ambos, e um examinador sem acesso aos dados AMBER do CPSG ainda consegue executar cada script. A semente fixa importa para o intervalo bootstrap em torno das medianas; sem ela, uma reexecução daria um intervalo ligeiramente diferente e pareceria um erro.

Exemplo resolvido

Lucía propõe um desenho antes e depois para quatro portos que entraram no CPSG em 2025, mais uma comparação pareada com seis não membros voluntários. O conselho de governança aprova com condições: agregação em grupos de pelo menos três, nenhum nome de porto e exclusão dos tempos brutos depois que a dissertação for avaliada.

Caso sintético. O desenho, os portos e as condições do conselho são inventados.

Erros e limites

Amostras pequenas não sustentam afirmações causais, mesmo com um bom desenho; formule os achados de acordo. O consentimento de um conselho não se sobrepõe à recusa de um membro individual.

Exercícios

Síntese

Nomeie cedo os fatores de confusão, escolha um desenho que os enfraqueça, obtenha o consentimento do conselho e dos membros, minimize os dados pessoais e planeje a reprodutibilidade antes de os dados chegarem.

Continue estudando — capítulo 03 de 08

← Capítulo 02 (rascunho) · Índice de capítulos do curso · Capítulo 04 (rascunho) →