SANTANA, Raimundo - Identificação Da Utilização Da Deep Web No Curso de Sistemas de Informação Da Unimontes

Identificação da utilização da Deep Web
no curso de Sistemas de Informação da

Unimontes
Raimundo Sebastião Teodoro Santana
Universidade Estadual de Montes Claros.

Apresentação
• Título Monografia: Identificação da utilização da Deep Web no curso de Sistemas de
Informação a Unimontes.
• Aluno: Raimundo Sebastião Teodoro Santana.
• Orientador: Profª. Dra. Marilee Patta.
• Curso: Sistemas de Informação.
Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 2

Roteiro
• Introdução;
• Procedimentos Metodológicos;
• Cronograma;
• Fundamentação Teórica;
• Resultado e Discussões;
• Considerações Finais;

Introdução
• Revolução na maneira de se difundir a informação:
– Web, hipertexto e motores de busca;
• Existe uma parte mais profunda chamada de Deep Web - DW, que não é facilmente
acessível e necessita de conhecimento;
• De todo o conteúdo da Internet que os buscadores conseguem ter conhecimento,

apenas uma parte fica visível para o usuário (BERGMAN, 2001).

Introdução
• A Deep Web possui um arsenal de conteúdo subutilizado e restrito a uma pequena
parcela da população (ÁVILA, 2015);
• Valor transformador da informação e a Deep Web como fonte de recursos:
– O porquê a comunidade acadêmica não utiliza o vasto conteúdo encontrado nela.

Introdução
• Diagnosticar a utilização da Deep Web pela população dos acadêmicos do curso de
Sistemas de Informação da Unimontes ;
• Caracterizar a Deep Web; identificar seu percentual e finalidade de uso; e apontar os

fatores que levam a não utilização.

Procedimentos Metodológicos
• Classificação da Pesquisa
– Pesquisas são classificadas perante sua natureza, objetivo e procedimentos:
• Natureza: Aplicada;
• Objetivo: Descritiva;
• Procedimentos: Bibliográfica e de Levantamento de campo.

• Procedimentos da Pesquisa
Quadro 1 - Procedimentos realizados.
NÚMERO PROCEDIMENTO
1 Busca de referencial teórico.
2 Definição de instrumento de coleta de
dados.
3 Elaboração do questionário
4 Aplicação do questionário.
5 Tabulação dos dados.
6 Interpretação dos dados.
Fonte: Ciancaglini et al. 2015.

• Sujeito da Pesquisa
– População: Acadêmicos do curso Sistemas de Informação da Universidade

Estadual de Montes Claros, matriculados no 1º semestre de 2016;
– Universo: finito;
– População: 208 (duzentos e oito) acadêmicos matriculados e divididos em oito

períodos do curso.

• Determinação da Amostra
�� . �. �. �
�= �
� � − � + �� . �. �
– onde:
• � representa o tamanho amostra;
• σ2 é o nível de confiança escolhido (expresso em número de desvios-padrão) –

95%/1,96;
• � é a porcentagem com a qual o fenômeno se verifica – 50%;
• � é a porcentagem complementar – 50%;
• � é o tamanho da população;
• �2 é o erro máximo permitido – 5%.

• Determinação da Amostra
Tabela 3 - População e Amostra.
Acadêmicos do Curso de Sistemas de

208
Informação
Amostra Calculada 136
Fonte: Própria, 2016.

• Instrumento de coleta de dados
– Instrumento : questionário composto por 17 perguntas;
– As perguntas contemplam a fundamentação teórica e os objetivos da pesquisa

referentes a Deep Web.

• Pré-teste
– Aplicado a vinte acadêmicos do curso de Sistemas de Informação da instituição de

ensino UFV;
– Utilizando-se um formulário através da ferramenta “Formulários Google”;
– Nenhuma modificação no questionário foi adicionada.

• Coleta de Dados
– Abordagem: não-probabilística por acessibilidade;
– Período de aplicação: nos dias 15, 18, 19 e 20 do mês de Abril do ano de 2016;
– O total de 137 questionários foram aplicados (65,38 %).

Resultado e Discussões
• Visão da Deep Web pelos acadêmicos;
• Percentual e finalidade de uso;
• Fatores que levam a não utilização.

Cronograma
ATIVIDADES Jan/16 Fev/16 Mar/16 Abr/16 Mai/16 Jun/16 Jul/16 Ago/16 Set/16
Fundamentação Teórica OK OK
Elaboração de questionário OK
Aplicação de questionário OK
Tabulação e tratamento
OK OK
dos dados
Interpretação dos dados OK OK OK
Redação da Monografia OK OK OK OK OK OK OK X X

Fundamentação Teórica
• Internet
– ARPANET - por volta de 1958;
– 3 medidas;
• Arquitetura da Internet
– ISP, AS;
• Modelo TCP/IP
– Protocolo IP: a “linguagem” mundial na internet;
– Protocolo TCP;

• Nome de Domínio
– Top-Level Domain – TLD (.com);
– Domínios de incidência territorial (.br);
– ICANN (Internet Corporation for Assingned Names and Numbers) - 1998;
– Comiter Gestor da Internet no Brasil (CGI.br).
• Sistema de Nome de Domínio – DNS;
• Zonas de registro alternativas:
– Namespace.us, Namecoin, Cesidian Root e OpenNIC;
– Não integra à lista de domínios no DNS da Internet;

• World Wide Web
– Criada em 1989, pelo físico Tim Berners-Lee;
– Sistema para publicação e para o acesso a recursos e serviços;
– Linguagem de Marcação de Hipertexto – HTML.

• Busca na Web: o “multiplexador” da Internet
– Os processos envolvidos nos motores de busca genéricos são classificados em
Spider ou Crawler, Indexador, Data Base e Result Engine (CENDÓN, 2001);
– 85% dos usuários da Web utilizam a busca para acesso a informações e realizar
pesquisa(BERGMAN, 2001).

• Deep Web
– O termo Deep Web foi então cunhado por Bergman para se referir a tais
documentos inacessíveis.

• Deep Web e analogias:
– Barco de pesca, iceberg e fossas marianas.
Figura 1 - Motores de busca e sua limitação Figura 2 - Analogia Deep Web com
restrita à superfície. iceberg.
Fonte: Bergman, 2001. Fonte: Paganini, 2013.

• A Deep Web não representa uma segunda internet:
– O conteúdo está ligado à internet tradicional, e, para ter acesso às páginas é

necessário possuir características específicas e ferramentas apropriadas (AVILA,
2015).
• Estão ocultas porque os motores de busca, deliberadamente, excluem alguns tipos de

conteúdo da Web (SHERMAN e PRICE, 2003).

• Internet constituída em camadas
Figura 3 – Camadas da Internet.

Fonte: Finklea (2015)

• Há quem defina a Deep Web como um espaço obscuro, utilizado apenas na
divulgação de ilegalidades;
• É na Dark Net, também chamada de Dark Web, o local no qual a disseminação de

ilegalidades ocorre com mais frequência (FINKLEA, 2015).
• Não está claro quanto da Deep Web é ocupado por conteúdo da Dark Web e quanto
da Dark Web é usado para atividades legais ou ilegais (FINKLEA, 2015).

• Ciancaglini et al. (2015, p.5) define:
– A Deep Web refere-se a qualquer conteúdo da Internet que, por várias razões, não
pode ser indexado pelos motores de busca como o Google. Esta definição inclui
assim páginas da Web dinâmica, sites bloqueados (como aqueles que pedem para
responder a um CAPTCHA para acessar), os sites isolados, sites privados (como
aqueles que exigem credenciais de login), non-HTML/-contextual/-scripted
conteúdo, e redes de acesso limitado (tradução nossa).

• Quantidade de Informação:
– Bergman (2001) estimou que a Deep Web:
» 500 vezes maior em quantidade de informação;
» 3 vezes maior em qualidade da informação.

• Anonimato
– Roteamento cebola;
– Navegação anônima usando camadas (túneis) criptografadas.
• Usuários
– Jornalistas, ativistas e cidadãos que vivem em países onde a Internet é censurada;
– Traficantes, hackers, assassinos, fraudadores, traficantes de seres humanos, cafetões, pedófilos,

ladrões de identidade, lavadores de dinheiro, vazadores, extremistas políticos, vigilantes,
terroristas e espiões.

• Usuários MÉDIA DE VISITANTES
PAÍS
DIÁRIOS
Estados Unidos 328233 (15,00%)
Alemanha 192556 (8,80%)
França 137511 (6,28%)
Rússia 133516 (6,10%)
Brasil 107703 (4,92%)
Espanha 91742 (4,19%)
Itália 88362 (4,04%)
Reino Unido 85153 (3,89%)
Figura 4 - Distribuição de linguagem na Deep Web com base no Polônia 58308 (2,66%)
domínio.
Fonte: Ciancaglini et al. 2015. Japão 49676 (2,27%)
Tabela 1 – Número estimado de clientes na rede
TOR entre 2013 e 2016.
Fonte: TorMetrics, 2016.

• Dualidade
– Mercado Negro
• Possibilita a compra de itens ilegais.
Figura 5 – Site Skill Road.

Fonte: CIANCAGLINI et al., 2013.

• Mecanismos de busca de conteúdo apropriado na Deep Web (MARTINS, 2013):
– InfoMine é um mecanismo de busca específico para conteúdo de bibliotecas universitárias
norte-americanas, entre elas a Universidade da Califórnia;
– Intute permite acesso ao conteúdo de todas as universidades da Inglaterra;
– Complet Planet oferece acesso a assuntos diversos, como militares, comidas ou meteorologia
para agricultores;
– IncyWincy possui busca por imagens;
– DeepWebTech permite acesso a temas como medicina, negócios e ciências;
– Scirus é direcionado para assuntos científicos, como jornais, homepages de cientistas, materiais
didáticos e patentes;
– TechXtra é direcionado para áreas exatas, como matemática, engenharia e computação.

• Redes de acesso a Deep Web
– Existem três redes principais que garante o anonimato ao acessar a Deep Web: TOR,
I2P e FREENET (CIANCAGLINI et al, 2013).
Figura 6 - Como funciona o Tor.

Fonte: torproject.org.

• Visão da Deep Web pelos acadêmicos:
– Quanto a Motores de Busca e Divisões da Web.
7
27 5%
20%
103
75%
Não tenho conhecimento. Não. Sim.
Figura 6 - Crença na incapacidade dos motores de busca em indexar a totalidade de

conteúdo da Web.

– Quanto a Motores de Busca e Divisões da Web.
Crença na existência de outras dimensões da Web
Sim Não Não tenho conhecimento

93 (67,9%)
Quantidade
17
6 8 6 4
1 0 2
Não tenho conhecimento Não Sim
Crença na totalidade de indexação de conteúdo pelos motores de busca
Figura 7 - Incapacidade dos motores de busca X Existência de outras dimensões da Web.


– Quanto ao Conhecimento, Conceituação e Pesquisa
13
9%
124
91%
Não Sim
Figura 8 - Conhece ou já ouviu falar sobre Deep Web.


39
28%
98
72%
Sim Não
Figura 9 – Percentual de acadêmicos que pesquisaram sobre o termo Deep Web.


• A - Internet paralela a “Internet Tradicional”,

Definição da Deep Web
utilizada apenas para fins ilícitos.
• B - Não existe, é apenas um “Mito” criado em torno
A 75
da Internet.
Definições
• C - É uma rede dividida em camadas (níveis); B 52
quanto mais se aprofunda mais coisas ilegais e
bizarras são encontradas, sendo o último nível a C 8
“Mariana’s Web”.
D 2
• D - Páginas da Web nas quais mecanismos de
busca não conseguem indexar devido ao fato das Quantidade
mesmas serem dinâmicas, bloqueadas, isolados,
privados e de acesso limitado. Figura 10 – Definição da Deep Web pelos acadêmicos.

• Das 75 pessoas, 55 delas (40,1%), já havia pesquisado sobre o termo;
• A ideia do segundo conceito é bastante difundida e encontrada em blogs e sites da

Surface Web, o que pode explicar a escolha de 38%, pois 71,1% dos que acreditam
nesta definição (37 acadêmicos) já haviam pesquisado sobre o termo.
• Sendo assim, os resultados sugerem que 43 dos acadêmicos que pesquisaram sobre a
Deep Web não encontraram o conceito correto.

– Quanto ao Conteúdo
68
Ilegal – Pedofilia, comércio
de drogas e armas 58
52
Quantidade
Bizarro e Falso – Conteúdo 45
sobrenatural, conteúdo
forjado
Não tenho conhecimento
13
Úteis – Livros antigos, hidden

wikis
Conteúdo da Deep Web
Figura 11 – Conteúdo da Deep Web na visão dos acadêmicos.


– Quanto aos Usuários
Pessoas comuns Outros

que buscam 9 Ativistas:
informações 6,5% jornalistas
53 investigativos,
38,7% militantes de
direitos humanos
58
42,3%
Criminosos:
Hackers comerciantes/c
110 onsumidores de
80,3% bens ilícitos
111
81%
Figura 12- Usuários da Deep Web conforme a visão dos acadêmicos.


– Quanto a vantagens
82
Quantidade
28
23
…
…
s
…
ra
e
no
ut
e
ci
O
A
ad
ên
e/
id
is t
ad
nt
ex
id
ua
Vantagens
ac
o
Q
nã
iv
Pr
A
Figura 13 - Vantagens no uso da Deep Web na perspectiva dos acadêmicos.

– Quanto a desvantagens
Quantidade 87
24 19
7
il …
…
s
.
es
ra
ns
im
ut
f íc
be
O
cr
di
er
de
ão
ib
aç
C
a
nd
eg
Ve
av
N
Desvantagens
Figura 14 - Desvantagens no uso da Deep Web na perspectiva dos acadêmicos.


• Percentual e Finalidade de Uso:
25
18%
112
82%
Sim Não
Figura 15 – Acesso à Deep Web.


– Quanto ao Uso
16
Comprar bens 6
0
6
Promover a privacidade e o anonimato 7
12
Nada
3
Interesses
Busca de conteúdo (Livros, Bibliotecas) 6 Pouco

16
Muito
0
Curiosidade 6
19
0 5 10 15 20
Quantidade
Figura 16 - Interesse no uso da Deep Web.


– Quanto ao Uso
Tabela 2 – Ferramentas utilizadas para acessar a Deep Web.
FINALIDADES DAS PÁGINAS QUANTIDADE (%)

Buscadores de conteúdo 4 16%
Mercado de venda de bens ilegais 3 12%
Fórum e comunidades 2 8%
Hidden Wiki 2 8%
Site de compartilhamento de arquivo 2 8%
Site de ativismos e espionagem 2 8%
Diretórios links e sites da onion 2 8%
Não recorda 9 36%
TOTAL 25 100%

– Quanto ao Uso
Tabela 3 – Ferramentas utilizadas para acessar a Deep Web.
FERRAMENTA QUANTIDADE (%)

Tor Browser 18 64,28%
Freenet 1 3,57%
Máscara de IP 2 7,14%
Camufladores de IP 1 3,57%
Máquina Virtual - MV 1 3,57%
ZeroNet 1 3,57%
Não são ferramentas 4 14,28%
TOTAL 28 100%

• Fatores que Levam a Não Utilização
120
103 Ser ilegal
100
Receio pela segurança
80
Quantidade
Outros
60 48
Idiomas estrangeiros
40 (Inglês/Russo)
23 25
Ferramentas necessárias
20 8 5
0 Falta de conhecimento
Motivos
Figura 17 – Motivos que levaram a não utilização da Deep Web.


Considerações Finais
• Meio utilizado por criminosos (compra/venda de bens ilícitos e hackers) e apontam esta
como uma das suas principais desvantagens, mesmo sabendo das possibilidades em
quantidade e diversidade de seu conteúdo e a utilização legítima quando, por exemplo,
na busca da privacidade;
• 67,88% são favoráveis à utilização, e esse percentual aumenta quando está em voga a
Deep Web como fonte de informação, aumentado para 73,72% de acadêmicos a favor
ao uso;
• baixa e não frequência na utilização (18%). Muitos não recordam o que foi acessado
(36%), o que leva a deduzir que não acessam com frequência, ou foram levados a
acessar por curiosidade (76%);

Considerações Finais
• A população de Sistemas de Informação da Unimontes não utiliza a Deep Web como
recurso para aumento da fonte de pesquisa pelo receio à segurança, falta de
conhecimento, e, principalmente, os pré-conceitos sob a rede que os inibem utilizarem,
mesmo sabendo das potencialidades que podem ser exploradas através da rede;
• Trabalhos futuros, pesquisar maneiras de coleta desses dados para realizar investigação
por meio de métodos de Data Mining.

Referências
ARAYA, ERM., and VIDOTTI, SABG. Criação, proteção e uso legal de informação em ambientes da World Wide Web [online]. São Paulo: Editora UNESP; São
Paulo: Cultura Acadêmica, 2010. Disponível em: <http://static.scielo.org/scielobooks/fdx3q/pdf/araya-9788579831157.pdf > Acesso em: 20 jan. 2016.
AVILA, Renato Nogueira Perez. Deep Web – A internet que não está no Google. 1ª Ed. Rio de Janeiro: Editora Ciência Moderna Ltda., 2015.
BASTICK, Zach. Our Internet and Freedom of Speech ‘Hobbled by History’: Introducing Plural Control Structures Needed to Redress a Decade of Linear
Policy. European Journal of ePractice, nº 15, fev/mar, 2012. Disponível em: <
http://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=8C62B13990D34FF89CA5C1AAB41E2204?doi=10.1.1.370.3258&rep=rep1&type=pdf> Acesso
em: 13 abr. 2016.
BERGMAN, M. K. The Deep Web: Surfacing Hidden Value. Journal of Electronic Publishing, v7, n 1, 1-17, aug. 2001.Disponívelem:
<http://quod.lib.umich.edu/j/jep/3336451.0007.104?view=text;rgn=main> Acessoem: 26 out. 2015.
BERNADO, Felipe; SANTOS, Andrélia; CARVALHO, Nadja. Tor Browser: Navegando com Segurança no Ciberespaço. 2015. Disponívelem: <
http://www.portalintercom.org.br/anais/nordeste2015/resumos/R47-0135-3.pdf> Acessoem: 26 mai. 2016.
BRASIL. Decreto nº 4.829, de 3 de Setembro de 2003. Dispõe sobre a criação do Comitê Gestor da Internet no Brasil - CGIbr, sobre o modelo de
governança da Internet no Brasil, e dá outras providências. Disponível em: < http://www.planalto.gov.br/ccivil_03/decreto/2003/d4829.htm>Acessoem:
13 abr. 2016.
CASTELLS, Manuel. A galáxia da internet: reflexões sobre a internet, os negócios e a sociedade. Rio de Janeiro: Jorge Zahar Ed., 2003. Acessado
em:<http://disciplinas.stoa.usp.br/pluginfile.php/108596/mod_resource/content/2/A-Galaxia-da-Internet-Manuel-Castells.pdf> Acesso em: 17fe. 2016.
CALDERON, Barbara Idaerla Santos. Em que medida a Deep Web aumenta a difusão de poder. Universidade Federal de Santa Catarina, Florianópolis,
2014. Disponível em: < https://www.fas.org/sgp/crs/misc/R44101.pdf> Acesso em: 26 dez. 2015.

Referências
CENDÓN, Beatriz Valadares. Ferramentas de busca na Web. Ci. Inf., Brasília, v. 30, n. 1, p. 39-49, jan./abr. 2001. Acessado
em:<http://www.scielo.br/pdf/ci/v30n1/a06v30n1> Acesso em: 26 out. 2015.
CIANCAGLINI, Vincenzo; BALDUZZI, Marco; GONCHAROV, Max; MCARDLE, Robert. Deep web and Cybercrime It’s Not All About TOR. TrendLabs: 2013.
Disponível em: <http://www.trendmicro.com/cloud-content/us/pdfs/security-intelligence/white-papers/wp-deepweb-and-cybercrime.pdf>Acesso em: 20
abr. 2016.
CIANCAGLINI, Vincenzo; BALDUZZI, Marco; MCARDLE, Robert; RÖSLER, Martin. Below the Surface: Exploring the Deep Web. TrendLabs: 2015.Disponível
em: <http://www.trendmicro.it/media/wp/below-the-surface-whitepaper-en.pdf>Acesso em: 26 out. 2015.
CLARKE, Ian; SANDBERG, Oskar; TOSELAND, Matthew; VERENDEL, Vilhelm. Private Communication Through a Network of Trusted Connections: The Dark
Freenet. 2010. Disponível em: <https://freenetproject.org/assets/papers/freenet-0.7.5-paper.pdf> Acesso em: 13 mai. 2016.
COULOURIS, George, DOLLIMORE, Jean, KINDBERG, Tim. Sistemas Distribuídos: Conceitos e Projeto. 4ª ed., Porto Alegre: Bookman, 2007.
GOOGLE. Guia do Google de Introdução à Otimização para Motores de Busca (SEO). 2011. Disponível
em:<http://static.googleusercontent.com/media/www.google.com/pt-BR//intl/pt-PT/webmasters/docs/guia-optimizacao-para-motores-de-busca-
PTpt.pdf> Acesso em: 09 mar. 2016.
GONÇALVES, Simei Tabordes. Entendendo a Deep Web. 2014. Disponível em: <
http://187.7.106.14/wiki2014_1/lib/exe/fetch.php?media=projeto13:artigo_deep_web_v4.pdf>. Acesso em: 07 jun. 2016.
MARTINS, Caio Arthur Lopes da Silva; SILVA, Maria Helena Barriviera e. A dualidade da Deep Web. E-f@tec, Garça, v. 3, n. 2, p.1-7, 2013. Disponível em:
<http://www.fatecgarca.edu.br/revista/Volume3/artigos_vol3/Artigo_16.pdf>. Acesso em: 08 out. 2015.

Referências
MEYER, Marilyn; BABER, Roberta; PFAFFENBERGER, Bryan.Nosso future e o computador. 3ª Ed. Porto Alegre: Bookman, 2000.
PAGANINI, Pierluigi. What is the Deep Web? A first trip into the abyss. AOS, set. 2013. Disponível em: < http://www.aofs.org/wp-
content/uploads/2013/04/130925-What-is-the-Deep-Web.pdf> Acesso em: 20 out. 2015.
PAGANINI, Pierluigi. Project Artemis – OSINT activities on Deep Web. INFOSEC, 2013. Acessado em:< http://resources.infosecinstitute.com/project-
artemis-osint-activities-on-deep-web/> Acesso em: 25 abr. 2016.
PEREIRA, Leonardo. Deep web: saiba o que acontece na parte obscura da internet. Disponível em:
<http://olhardigital.uol.com.br/fique_seguro/noticia/deep-web-saiba-o-que-acontece-na-parte-obscura-da-internet/31120>. Acesso em: 07 de jun. 2016.
RONCOLATO, Murilo. Bitcoin e crime colocam Deep Web em evidência. ESTADÃO: 2013. Disponível em: <
http://link.estadao.com.br/noticias/geral,bitcoin-e-crime-colocam-deep-web-em-evidencia,10000032335> Acesso em: 26 out. 2015.
SUI, Daniel; CAVERLEE, James.Rudesill, Dakota. The Deep Web and the darknet: a look inside the internet’s massive Black Box. SIENCE+TECHNOLOGY, ago.
2015. Disponível em: <https://www.wilsoncenter.org/sites/default/files/stip_dark_web.pdf> Acesso em: 26 out. 2015.
SOUZA, Antônio. Abaixo da superfície: Escandalo de espionagem dos EUA aumenta interesse por web profunda, fora do alcance dos buscadores. [Editorial].
Revista .br. ed.06. p. 5-11. Jun. 2014. Disponível em: < http://www.cgi.br/media/docs/publicacoes/3/REVISTA%20BR_6_baixa.pdf> Acesso em: 9 mai. 2016.
TANENBAUM, Andrew S.; WETHERALL, David. Redes de Computadores. 5ª Ed. Pearson, 2011.
TUDE, Eduardo; FILHO, Huber Bernal. Tutoriais Banda Larga. TELECO, mai. 2013. Disponível em: <
http://www.teleco.com.br/tutoriais/tutorialinter/pagina_4.asp> Acesso em: 26 out. 2015.
TURNER, David; MUÑOZ, Jesus. Para os filhos dos filhos de nossos filhos: uma visão da sociedade internet.2ª Ed. São Paulo: Summus, 2002.

Referências
SHERMAN, Chris; PRICE, Gary. The Invisible Web: Uncovering Sources Search Engines Can’t See. LIBR4RYTRENDS, Vol. 52, n. 2, p. 282-298, 2003.
Disponível em: <https://www.ideals.illinois.edu/bitstream/handle/2142/8528/librarytrendsv52i2h_opt.pdf > Acesso em: 9 abr. 2016.
FINKLEA, Kristin. Dark Web. 2015. Disponível em: < https://www.fas.org/sgp/crs/misc/R44101.pdf> Acesso em: 26 dez. 2015.
TOR, Número estimado de clientes na rede TOR, de 2013 a 2016. Disponível em: < https://metrics.torproject.org/userstats-relay-country.html?start=2013-
01-20&end=2016-04-19&country=br&events=off > Acesso em: 21 abr. 2016.

Obrigado!
Raimundo Santana
Raimundo.uni@gmail.com

SANTANA, Raimundo - Identificação Da Utilização Da Deep Web No Curso de Sistemas de Informação Da Unimontes

Enviado por

Dados do documento

Direitos autorais

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

SANTANA, Raimundo - Identificação Da Utilização Da Deep Web No Curso de Sistemas de Informação Da Unimontes

Enviado por

Direitos autorais:

Identificação da utilização da Deep Web

no curso de Sistemas de Informação da

Raimundo Sebastião Teodoro Santana

Universidade Estadual de Montes Claros.

• Aluno: Raimundo Sebastião Teodoro Santana.

• Orientador: Profª. Dra. Marilee Patta.

• Curso: Sistemas de Informação.

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 2

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 3

– Web, hipertexto e motores de busca;

• De todo o conteúdo da Internet que os buscadores conseguem ter conhecimento,

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 4

• Valor transformador da informação e a Deep Web como fonte de recursos:

– O porquê a comunidade acadêmica não utiliza o vasto conteúdo encontrado nela.

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 5

• Caracterizar a Deep Web; identificar seu percentual e finalidade de uso; e apontar os

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 6

– Pesquisas são classificadas perante sua natureza, objetivo e procedimentos:

• Procedimentos: Bibliográfica e de Levantamento de campo.

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 7

Quadro 1 - Procedimentos realizados.

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 8

– População: Acadêmicos do curso Sistemas de Informação da Universidade

– População: 208 (duzentos e oito) acadêmicos matriculados e divididos em oito

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 9

• σ2 é o nível de confiança escolhido (expresso em número de desvios-padrão) –

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 10

Tabela 3 - População e Amostra.

Acadêmicos do Curso de Sistemas de

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 11

– Instrumento : questionário composto por 17 perguntas;

– As perguntas contemplam a fundamentação teórica e os objetivos da pesquisa

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 12

– Aplicado a vinte acadêmicos do curso de Sistemas de Informação da instituição de

– Utilizando-se um formulário através da ferramenta “Formulários Google”;

– Nenhuma modificação no questionário foi adicionada.

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 13

– Abordagem: não-probabilística por acessibilidade;

– O total de 137 questionários foram aplicados (65,38 %).

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 14

• Percentual e finalidade de uso;

• Fatores que levam a não utilização.

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 15

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 16

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 17

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 18

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 19

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 20

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 21

– Barco de pesca, iceberg e fossas marianas.

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 22

– O conteúdo está ligado à internet tradicional, e, para ter acesso às páginas é

• Estão ocultas porque os motores de busca, deliberadamente, excluem alguns tipos de

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 23

Figura 3 – Camadas da Internet.

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 24

• É na Dark Net, também chamada de Dark Web, o local no qual a disseminação de

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 25

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 26

– Bergman (2001) estimou que a Deep Web:

» 500 vezes maior em quantidade de informação;

» 3 vezes maior em qualidade da informação.

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 27

– Navegação anônima usando camadas (túneis) criptografadas.

– Traficantes, hackers, assassinos, fraudadores, traficantes de seres humanos, cafetões, pedófilos,

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 28

Identificação da utilização da Deep Web no curso de Sistemas de Informação da Unimontes. 29