High-Dimensional Adversarial Regression

Este repositório reúne o código do projeto de Iniciação Científica (PICME/ CNPq) "Dados de Alta Dimensão e Ataques Adversários em Regressão Linear" (bolsista: Cleyton José Rodrigues Macedo; orientador: Mário de Castro Andrade Filho, ICMC/USP São Carlos, 2025 a 2026).

O projeto estuda o comportamento da regressão linear sobreparametrizada sob ataques adversários (perturbações deliberadas nas variáveis explicativas que maximizam o erro de predição do modelo), seguindo o arcabouço teórico de Ribeiro & Schön (2023), "Overparameterized Linear Regression under Adversarial Attacks" (IEEE Transactions on Signal Processing).

├── notebooks/
│   ├── reproducoes_ribeiro_schon/   # reprodução das Figuras 2 a 8 do artigo (dados sintéticos)
│   └── soybean/                     # aplicação dos mesmos conceitos a um dataset real
├── src/
│   ├── base/                        # utilitários compartilhados (métricas, caminhos)
│   ├── reproduction_ribeiroschon/   # experimentos e plots das reproduções do artigo
│   └── soybean/                     # experimentos e plots da aplicação a dados reais
├── RDAdata/                          # dataset de soja (microbioma x metabolômica) e script de conversão
├── x_names.txt / y_names.txt         # nomes das colunas de features/respostas do dataset de soja
└── requirements.txt

Cada subpasta de notebooks/ tem seu próprio README explicando como os experimentos foram feitos e o que cada notebook reproduz:

• notebooks/reproducoes_ribeiro_schon/README.md
• notebooks/soybean/README.md

pip install -r requirements.txt

Os notebooks localizam automaticamente a pasta src/ do repositório e a adicionam ao sys.path, então podem ser abertos e executados a partir de qualquer subpasta sem configuração adicional.

• Ribeiro, A. H. & Schön, T. B. (2023). Overparameterized Linear Regression under Adversarial Attacks. IEEE Transactions on Signal Processing, 71, 601–614. (arXiv:2204.06274)
• Dataset de soja (microbioma/metabolômica): Yoshioka, H. rrda: Ridge Redundancy Analysis for High-Dimensional Omics Data (University of Tokyo). Pacote R rrda (documentação).