Ir para o conteúdo
Rodrigo Krüger

Publicações

Produções acadêmicas e artefatos de pesquisa.

Metadados verificados de publicação estão listados abaixo, com Google Scholar vinculado para o perfil acadêmico mais amplo.

Publicações

2026 · BRACIS 2025 · Springer LNCS

Training and Test Machine Learning Models on Encrypted Data: Initial Results and Challenges

Rodrigo Kruger, Jean Paul Barddal, Vinícius Mourão Alves de Souza

Este artigo estuda aprendizado de máquina sobre dados criptografados usando o esquema de criptografia homomórfica CKKS, avaliando adaptações de classificadores em bases médicas e analisando os compromissos entre privacidade, taxas de erro e tempo de processamento.

Kruger, R., Barddal, J. P., & Souza, V. M. A. (2026). Training and Test Machine Learning Models on Encrypted Data: Initial Results and Challenges. In Intelligent Systems (BRACIS 2025), Lecture Notes in Computer Science, vol. 16180. Springer, Cham. https://doi.org/10.1007/978-3-032-15984-7_38

@inproceedings{kruger2026encryptedml,
  title={Training and Test Machine Learning Models on Encrypted Data: Initial Results and Challenges},
  author={Kruger, Rodrigo and Barddal, Jean Paul and Souza, Vinícius Mourão Alves de},
  booktitle={Lecture Notes in Computer Science},
  volume={16180},
  pages={562--577},
  year={2026},
  doi={10.1007/978-3-032-15984-7_38}
}

2024 · 2024 International Joint Conference on Neural Networks (IJCNN)

Peak Prediction in Time Series: Comparing Approaches for Energy High-Load Prediction

Rodrigo Kruger, Abdullah Mueen, Vinícius Mourão Alves de Souza

Este artigo de conferência compara abordagens para prever picos em séries temporais de carga de energia, com foco na predição de alta carga como um problema de previsão temporal.

@inproceedings{kruger2024peakprediction,
  title={Peak Prediction in Time Series: Comparing Approaches for Energy High-Load Prediction},
  author={Kruger, Rodrigo and Mueen, Abdullah and Souza, Vinícius Mourão Alves de},
  booktitle={2024 International Joint Conference on Neural Networks (IJCNN)},
  year={2024},
  doi={10.1109/IJCNN60899.2024.10651140}
}