Palestrante: Jeremias Moreira Gomes (doutorado)
Orientador: Prof George Teodoro
Título: Estudo de Parâmetros Eficiente em Aplicações de Análise de Imagens Médicas
Resumo: A análise de imagens de patologia permite caracterizações quantitativas valiosas para tecidos a nível subcelular. Embora exista um crescente conjunto de métodos para análise de tecidos em imagens, muitos deles são sensíveis a mudanças nos parâmetros de entrada. Avaliar como os resultados da análise são afetados por variações nos parâmetros de entrada é importante para o desenvolvimento de métodos robustos. Executar análises de sensibilidade de algoritmos variando sistematicamente os parâmetros de entrada é uma tarefa custosa, porque uma avaliação única com um número pequeno de imagens pode levar horas ou dias. O trabalho investiga o uso de surrogate models em conjunto com a execução paralela para acelerar a Análise de Sensibilidade. Essa abordagem reduz significativamente o custo da Análise de Sensibilidade, porque a execução utilizando surrogate models é módica. A avaliação de várias estratégias para construção de surroagate models com duas aplicações de segmentação de imagens demonstra que um estudo de análise de sensibilidade combinado com surrogate models alcança resultados próximos a uma análise de sensibilidade com execuções de aplicações reais. Também é mostrado que, embora o número de parâmetros da aplicação seja alto, a maior parte da incerteza pode estar associada a poucos parâmetros. Os resultados indicam que a análise de sensibilidade é uma ferramenta importante para avaliar a estabilidade das conclusões das análises de imagens médicas.
Horário: 14h20
Palestrante: Pedro Henrique Teixeira Costa (doutorado)
Orientadora: Profa Edna Canedo
Título: Melhorando a performance de Runtime verification com o uso de geração de casos de testes guiados
Resumo: O uso indevido de APIs criptográficas pode causar vulnerabilidades de segurança de software. Assim, detectores de uso indevido de APIs de criptografia baseados em análise estática foram propostos recentemente. Esses detectores encontram muitos usos indevidos, mas diferem em pontos fortes e fracos. Investigamos runtime verification (RV) como uma alternativa baseada em análise dinâmica para detecção de uso indevido de APIs de criptografia. O programa de monitores de RV é executado de acordo com especificações formais e mostrou-se eficaz e eficiente para ampliar a capacidade de detecção de bugs dos softwares.
Escrevemos 22 especificações de RV da API de criptografia Java Cryptography Architecture (JCA) amplamente usada, com base em regras definidas em um detector estático. Em seguida, monitoramos essas especificações durante as execuções de testes em 3 benchmarks propostos na literatura - incluindo usos indevidos de API de criptografia do mundo real de 10 projetos de código aberto. Por fim, comparamos a precisão do RV com os detectores estáticos recentes - CogniCrypt e CryptoGuard - e avaliamos o overhead e a cobertura da RV.
Como resultado, RV apresenta: 8-16, 6-25 e 7-16 pontos percentuais a mais de precisão, recall e F-measure, respectivamente. A sobrecarga de RV está entre 9,9% e 54%, mas não aplicamos otimizações recentes que aceleram o RV em 5x. Esses resultados mostram que o RV pode ser eficaz para detectar abusos de API de criptografia durante o teste de software.
Porém, foi observado que uma suite de testes limitada não viabiliza a identificação do uso indevido de APIs de criptografia. Para contornar essa possível limitação iremos pesquisar técnicas e ferramentas de geração de testes que exercitem os trechos de código relacionados ao uso de criptografia. Algumas ferramentas estudas, como Randoop e Evosuite, não foram capazes de gerar de forma satisfatória testes para alguns trechos de código encontrados em projetos reais. Com isso, será necessário ou customizar alguma das ferramentas ou desenvolver uma solução própria para a geração de casos de testes guiados.
Horário: 14h40
Palestrante: Ítalo Barbosa Brasileiro (doutorado)
Orientador: Prof André Drummond
Título: Modelagem matemática para distribuição de arquitetura de comutação de núcleo em redes ópticas elásticas
Resumo: As fibras multinucleadas surgem como candidatas para a expansão da capacidade de transmissão das redes ópticas elásticas. A adição de mais núcleos de propagação para os circuitos, aliado à possibilidade de comutação entre núcleos diferentes, torna as Spatial Divison Multiplexing Elastic Optical Networks (SDM-EON) potencial solução para atender a crescente demanda de tráfego. Neste trabalho é proposto um modelo ILP para distribuição da capacidade de comutação de núcleos na rede. O modelo considera a composição dos Reconfigurable Optical Add Drop Multiplexer (ROADM), e altera a arquitetura de comutação de uma rede já existente, baseando-se no valor de orçamento dado previamente. O objetivo do modelo é encontrar a melhor distribuição para a capacidade de comutação, gerando a menor taxas de bloqueio em um cenário que atenda o orçamento oferecido.
Horário: 15h
Palestrante: Igor Coutinho Soriano Lousada (mestrado)
Orientador: Prof Geraldo Rocha Filho
Título: Mecanismo de seleção de clientes em FVN
Resumo: Federated Learning (FL) é um paradigma de machine learning distribuído que permite que múltiplos clientes treinem um modelo compartilhado sem a necessidade de envio para um servidor central, economizando recursos e possuindo menor overhead de comunicação. Uma nova proposta de arquitetura de rede denominada Federated Vehicular Networks (FVN) tem como objetivo habilitar o uso de FL em redes veiculares. Devido à dinamicidade da infraestrutura gerada pela mobilidade dos veículos e à diferença de poder computacional, os veículos são ditos heterogêneos, gerando degradação do modelo de FL. Com objetivo de tornar o treinamento mais eficiente, este trabalho propõe a criação de um mecanismo de seleção de clientes de uma FVN. Com o mecanismo proposto, os clientes serão selecionados de maneira homogênea, fazendo o uso mais inteligente dos recursos disponíveis.
Horário: 15h20
Palestrante: Lucas Silva Lopes (doutorado)
Orientador: Prof Ricardo Queiroz
Title: Context Modeling for Arithmetic Coding
Abstract: Our objective is to discuss the use of neural networks in context modeling for arithmetic coding, compared to other more traditional methods such as those based on look up tables. We delve into the theory, and present numerical results to support the theory.
Horário: 15h40
Palestrante: Lucas Borges Monteiro (doutorado)
Orientador: Prof Li Weigang
Title: 4DNavMCTS: a novel approach of conflict detection and resolution for 4-dimensional trajectory-based operation
Abstract: Technological progress has greatly increased the amount of data generated by various fields, including air transportation. Correctly handling this massive data can bring important results because it makes decision-making more accurate. In this sense, with a focus on Trajectory Based Operations (TBO) in Air Traffic Management (ATM), a modeling system based on Monte Carlo Tree Search (MCTS) is developed. Named 4DNavMCTS, this novel model of four-dimensional trajectory representation can satisfactorily deal with complex TBO problems. Considering the navigation big data, 4DNavMCTS can perform conflict detection and resolution (CD&R) under the artificial intelligence (AI) paradigm to find and solve the potential conflicts between aircraft and improve flight safety with reasonable prediction. Furthermore, using the vector space model (VSM) to represent the possible strategies, the proposed approach can help controllers choose the appropriate trajectory quantitatively and reduce the risk of conflict. The experiment results from the case study demonstrated the effectiveness of the newly developed model in the real scenario of CD&R.
Local: Teams MS - Equipe PPGI-316415 Seminário, Canal Seminários 1-2022
Profa Célia Ghedini Ralha (Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo.)
Coordenadora Seminários de Pós-Graduação em Informática 1-2022