O Desafio PUC-Rio é uma iniciativa que tem como objetivo premiar jovens talentos que tenham optado por cursar Matemática, Química, Física, Ciência da Computação ou Engenharia da Computação. Há quatro desafios: Física, Informática, Matemática, e Química. Os dois mais bem colocados no Desafio de Informática serão agraciados com uma bolsa integral, fornecida pela Fundação Behring para os cursos de Ciência da Computação ou de Engenharia de Computação. Os dois mais bem colocados em cada um dos três demais desafios (Física, Matemática e Química) também serão agraciados com bolsas integrais. Desde 2007, mais de 75 alunos já foram contemplados com nossas Bolsas Desafio. Ainda há a chance de concorrer a bolsas por ser medalhista! Ao todo são 8 bolsas por provas desafio e mais 4 bolsas para medalhistas. Confira os editais.
Podem concorrer todos aqueles que estão inscritos no Vestibular PUC-Rio 2024
Inscreva-se no link: www.puc-rio.br/desafios
O Desafio PUC-Rio é uma iniciativa que tem como objetivo premiar jovens talentos que tenham optado por cursar Matemática, Química, Física, Ciência da Computação ou Engenharia da Computação. Há quatro desafios: Física, Informática, Matemática, e Química. Os dois mais bem colocados no Desafio de Informática serão agraciados com uma bolsa integral, fornecida pela Fundação Behring para os cursos de Ciência da Computação ou de Engenharia de Computação. Os dois mais bem colocados em cada um dos três demais desafios (Física, Matemática e Química) também serão agraciados com bolsas integrais. Desde 2007, mais de 75 alunos já foram contemplados com nossas Bolsas Desafio. Ainda há a chance de concorrer a bolsas por ser medalhista! Ao todo são 8 bolsas por provas desafio e mais 4 bolsas para medalhistas. Confira os editais.
Podem concorrer todos aqueles que estão inscritos no Vestibular PUC-Rio 2024
Inscreva-se no link: www.puc-rio.br/desafios
Defesa de Dissertação de Mestrado do aluno Bruno Guimarães de Castro.
Título da dissertação: Improved Hybrid Genetic Search for the Inventory Routing Problem
Resumo: Este estudo investiga o Problema de Roteamento de Inventário (IRP) no contexto do Gerenciamento de Inventário pelo Fornecedor (VMI), uma prática comum na cadeia de suprimentos onde os fornecedores assumem a responsabilidade pela reposição. O IRP, um problema combinatório estudado amplamente há quase 40 anos, engloba três subproblemas distintos: programação de entregas, gerenciamento de estoque e roteamento de veículos. Problema: Apesar de sua idade, o IRP continua a atrair a atenção da indústria e da academia. O recente 12o Desafio de Implementação DIMACS dedicou uma categoria ao IRP, e entre os benchmarks comumente utilizados, 401 instâncias ainda não possuem soluções ótimas, especialmente no desafiador subconjunto de instâncias grandes. Hipótese e Justificativa: O framework HGS proposto por Vidal et al. (2012) surgiu como uma ferramenta proeminente utilizada por várias equipes de forma satisfatória na competição. No entanto, até onde sabemos, o framework HGS não foi testado para o IRP. Este estudo propõe uma solução que combina o framework HGS com uma estratégia de busca local eficiente, o método NSIRP proposto por Diniz et al. (2020), para abordar o IRP. Metodologia: Implementamos a solução proposta e comparamos seu desempenho com 21 abordagens existentes, utilizando os benchmarks da literatura.Resumo dos Resultados: Nossa abordagem identificou 79 novas Melhores Soluções Conhecidas (BKS) dentre 1100 instâncias. Se aplicada sob as mesmas regras da competição DIMACS, nossa solução teria garantido o primeiro lugar.Contribuições e Impactos: Este trabalho contribui para o desenvolvimento contínuo de soluções para o IRP, oferecendo uma abordagem eficiente e competitiva que pode inspirar futuras pesquisas e aplicações práticas no campo do gerenciamento de estoque e roteamento de veículos.
Orientador: Helio Côrtes Vieira Lopes
Banca:
Rafael Martinelli Pinto
Marcus Vinicius Soledade Poggi de Aragao
Pedro Augusto Munari Junior
Magnus Stålhane
Assista a defesa pelo link https://puc-rio.zoom.us/j/97161022529?pwd=dDFnaEwxeHJZSjBBVWJ6SXZiSTlDUT09
O Desafio PUC-Rio é uma iniciativa que tem como objetivo premiar jovens talentos que tenham optado por cursar Matemática, Química, Física, Ciência da Computação ou Engenharia da Computação. Há quatro desafios: Física, Informática, Matemática, e Química. Os dois mais bem colocados no Desafio de Informática serão agraciados com uma bolsa integral, fornecida pela Fundação Behring para os cursos de Ciência da Computação ou de Engenharia de Computação. Os dois mais bem colocados em cada um dos três demais desafios (Física, Matemática e Química) também serão agraciados com bolsas integrais. Desde 2007, mais de 75 alunos já foram contemplados com nossas Bolsas Desafio. Ainda há a chance de concorrer a bolsas por ser medalhista! Ao todo são 8 bolsas por provas desafio e mais 4 bolsas para medalhistas. Confira os editais.
Podem concorrer todos aqueles que estão inscritos no Vestibular PUC-Rio 2024
Inscreva-se no link: www.puc-rio.br/desafios
Autor: Bruno Guimarães de Castro
Orientador: Hélio Côrtes Vieira Lopes
Data e Hora: 06/09/2023 às 12:00
Defesa de Dissertação de Mestrado do aluno José Matheus C. Boaro.
Título da dissertação: An Architecture for Enhancing Real-Time Multimedia Flows with Semantic Information
Orientador: Prof. Dr. Sérgio Colcher
Banca: Prof. Dr. José Alberto Rodrigues Pereira Sardinha | Prof. Dr. Debora Christina Muchaluat Saade | Julio Cesar Duarte
Resumo: Enquanto os sistemas multimédia tradicionais se centravam na codificação e armazenamento eficientes dos tipos de mídia e das suas relações temporais, a procura atual de experiências imersivas e interativas exige uma compreensão mais profunda do conteúdo semântico dessas mídias. Neste estudo, propomos a integração de processamento de nível semântico em sistemas multimédia, enriquecendo o conteúdo com informação sobre entidades do mundo real, tais como objetos, ações, agentes e interpretação de linguagem. A principal contribuição deste trabalho é a apresentação de uma arquitetura para o enriquecimento de dados multimédia em tempo real que utiliza técnicas de aprendizagem automática para incorporar representações semânticas em fluxos de dados multimídia como um serviço nativo e básico. Para fornecer uma demonstração concreta da proposta, implementamos dois casos de uso que servem como provas de conceito, mostrando a viabilidade da arquitetura e demonstrando a sua eficácia em cenários práticos.
Assista a defesa pelo link https://puc-rio.zoom.us/j/91415575082?pwd=RUhodEQvRUxwMTdDQjRLR2VxNzRkQT09
Dia 01/09, às 15h, acontecerá o seminário “Prediction of User Privacy Preferences in Mobile Devices via Federated Learning”, proferido pelo professor João P. Vilela.
Seminário da Pós: “Prediction of User Privacy Preferences in Mobile Devices via Federated Learning”
Resumo do Seminário: The pervasiveness of always-connected mobile devices fostered a multitude of applications that provide contextualized services to users. Many of these services depend on access to significant amounts of user data, some of which is private and sensitive.
Although smartphones are usually equipped with permission managers that enable users to allow or deny app’s permission requests, the large number of applications and respective permission settings leads to hundreds of requests per day, thus making a fine grained control of such settings unfeasible. In this talk, we start by presenting the results of the COP-MODE project field study with 93 users and corresponding responses to over 65000 total permissions requests. As main highlights, our study revealed a strong misalignment between apps’ practices and user expectations, with nearly 50% of the requests unexpected by users, as well as 15% privacy violations, i.e. permissions that would be automatically allowed by current permission managers based on runtime permissions but were explicitly denied by users. Then, resorting to our dataset, we present methods for prediction of privacy preferences, that enable automated privacy protection for smartphone users. In contrast to previous works that require a trusted central entity to train the prediction models, our methods rely on federated learning for prediction of privacy preferences in a distributed manner, thus effectively predicting privacy preferences (F1- score of 0.9) while preserving user privacy even against a centralized server.
Conheça o Professor: João P. Vilela is a professor at the Department of Computer Science and director of the Master in Information Security of the University of Porto. He is also a senior researcher at INESC TEC and CISUC research centers. He was previously a professor at the Department of Informatics Engineering of the University of Coimbra, after receiving the Ph.D. in Computer Science in 2011 from the University of Porto, Portugal. He was also a visiting researcher at Georgia Tech, working on physical-layer security, and at MIT, working on security for network coding. In recent years, Dr. Vilela has been coordinator and team member of several national, bilateral, and European-funded projects in security and privacy. His main research interests are in security and privacy of computer and communication systems, with applications such as wireless networks, Internet of Things and mobile devices. Specific research topics include wireless physical-layer security, security of next-generation networks, privacy-preserving data mining, anonymization techniques, location privacy and automated privacy protection.
Assista o seminário pelo link: https://www.youtube.com/watch?v=1FtifhGplhQ
Autor: José Matheus Carvalho Boaro
Orientador: Sérgio Colcher
Data e Hora: 04/09/2023 às 15:00
Defesa de Dissertação de Mestrado do aluno Matheus Rodrigues de O. Leal.
Título da dissertação: “Serviço de alta disponibilidade, confiabilidade e transparência para registros imutáveis e irrevogáveis de dados de mobilidade”
Resumo: Uma abordagem para registrar informações de presença espacial-temporal de forma confiável, imutável e escalável usando uma arquitetura de tecnologia de ledger distribuído multicamadas (DLT), onde três camadas de DLT são usadas para armazenar informações de localização em níveis variáveis de abstração e agregação. Implementaram essa solução multicamadas como um serviço de middleware que usa processamento de eventos complexos em smartphones para registrar sinalizadores específicos de locais próximos em um DLT de forma eficiente.
Orientador: Prof. Dr. Markus Endler
Banca: Flávia Pisani | Sérgio Lifschitz | Arlindo Flavio da Conceição
Assista a defesa pelo link: https://zoom.us/j/7099156117?pwd=VXVxYnQvMjZmdnA1TlRmQmtrUTNrZz09
Defesa de Dissertação de Mestrado do aluno Gabriel Brito Cantergiani
Título da dissertação: EdgeSec – A Security framework for middlewares and edge devices in the Internet of Things (IoT)
Resumo: A importância da Internet das Coisas (IoT) tem aumentado significativamente nos últimos anos, e dispositivos IoT têm sido usados em diferentes indústrias e tipos de aplicação, como casas inteligentes, sensores industriais, veículos autônomos, wearables, etc. Apesar deste cenário trazer inovações tecnológicas, novas experiências para usuários, e novas soluções de negócio, também levanta preocupações relevantes relacionadas à segurança da informação e privacidade. Neste trabalho nós apresentamos o EdgeSec Framework, um novo framework de segurança para IoT desenvolvido como uma solução de segurança para os middlewares ContextNet e Mobile Hub. O seu objetivo principal é estender e melhorar uma arquitetura e uma implementação já existente para estes middlewares, criando uma solução mais genérica, robusta e flexível, e garantindo autenticação, autorização, integridade e confidencialidade de dados. O framework foi elaborado com foco na total extensibilidade através da introdução de interfaces de protocolos, que podem ser implementadas por plugins, tornando-o compatível com uma variedade de algoritmos de segurança e dispositivos IoT. Uma implementação completa foi realizada como prova de conceito, e testes de desempenho e experimentos foram realizados para avaliar a viabilidade da solução. Os resultados mostram que o EdgeSec Framework pode melhorar significativamente a segurança do Mobile Hub e diversos tipos de aplicações IoT através de uma maior compatibilidade e flexibilidade, e garantindo todas as proteções básicas de segurança.
Orientador: Prof. Dr. Markus Endler
Banca: Anderson Oliveira da Silva | Sérgio Colcher | Alexandre Malheiros Meslin
Assista a defesa pelo link: https://zoom.us/j/7099156117?pwd=VXVxYnQvMjZmdnA1TlRmQmtrUTNrZz09
#dissertação #mestrado #pesquisa #desenvolvimento #alunos #dipucrio
