ISEL - Instituto Superior de Engenharia de Lisboa
URI permanente desta comunidade:
Navegar
Percorrer ISEL - Instituto Superior de Engenharia de Lisboa por Domínios Científicos e Tecnológicos (FOS) "Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática"
A mostrar 1 - 10 de 81
Resultados por página
Opções de ordenação
- Advanced function composition in serverless platformsPublication . Silva, Tiago Luís Lima da; Freitas, Filipe Bastos de; Simão, José Manuel de Campos Lages GarciaAbstract Serverless computing, particularly Function-as-a-Service (FaaS) platforms, allows developers to focus on the software engineering aspects of their services without managing the underlying infrastructure. These platforms rely on stateless functions that are triggered by events, making them a common choice for workflows and function composition. However, despite their advantages, serverless workflows often require developers to meet provider-specific requirements, leading to portability challenges and vendor lock-in. Previous work has attempted to address these limitations. The QuickFaaS project demonstrated the importance of standardizing function definitions across platforms to create a uniform programming model. Building on this, the OmniFlow project introduced a Domain-Specific Language (DSL) that enables developers to define serverless workflows in a provider-agnostic manner, allowing them to be reused across different cloud environments without modification. This work extends OmniFlow by introducing additional capabilities that enhance serverless workflow execution and function composition. The proposed enhancements include control flow-based workflow execution for repetitive tasks, enabling the definition of iterations within their workflows without relying on provider-specific construct. In addition, it also introduces support for parallel execution, allowing workflows to scale efficiently. By leveraging parallel processing, serverless applications can execute independent tasks concurrently, improving performance and reducing execution time. Additionally, this research explores cross-cloud function composition, ensuring that workflows can seamlessly integrate functions across multiple cloud providers, to mitigate vendor lock-in and allow developers to optimize performance by leveraging the strengths of different platforms while maintaining a unified workflow definition. The proposed enhancements provide a more flexible, scalable, and portable approach to serverless workflow orchestration, enabling developers to build complex workflows that are not constrained by the limitations of individual cloud providers.
- Aplicação para caracterização da vozPublication . Santos, Pedro Branco; Cordeiro, Hugo TitoEste projeto propõe uma aplicação simples e intuitiva com a capacidade de se ligar a um servidor, com o foco a melhorar a experiência do utilizador através de dinamismo e modelação. A funcionalidade principal da aplicação é apresentar resultados, numa interface, que caracterizam a fala através da comunicação com o servidor, mantendo sempre a troca de informação segura e que não haja perdas desta. Um dos objetivos principais do projeto foi garantir que a experiência do utilizador seja agradável, removendo qualquer complexidade na interface da aplicação. A arquitetura do servidor está desenhada de modo a garantir que a informação é sempre processada e que o utilizador obtenha sempre os resultados desejados. Este projeto desenvolveu uma aplicação protótipo que permite a extração de parâmetros dos sinais de fala para rastreio de patologias da voz. A aplicação pretende ser dinâmica, nomeadamente através da inclusão de novos algoritmos. A interface de utilizador foi desenvolvida em Unity3D de modo a permitir o uso em múltiplas plataformas. Os algoritmos foram desenvolvidos em Python de modo a tirar partido das bibliotecas de processamento de fala e sinal existentes.
- Aplicações de modelos de linguagem de grande escala na cibersegurançaPublication . Conceição, Tiago Miguel Pestana; Cruz, Nuno Miguel MachadoA crescente complexidade e sofisticação das ameaças no ciberespaço têm impulsionado a procura por soluções inovadoras e eficientes no campo da cibersegurança. Neste contexto, conduziu-se uma investigação com o objetivo de avaliar a viabilidade de Large Language Models (LLMs) no que concerne à automatização da geração de código e configurações no âmbito da cibersegurança. A investigação centrou-se em mecanismos de ciberdefesa e aplicações de educação em cibersegurança, com particular ênfase em soluções de geração de honeypots, malware e exercícios de Capture The Flag (CTF). Foram avaliados sete modelos, incluindo o GPT-4, Gemini Pro e Claude Opus 3. A metodologia de avaliação assentou no desenvolvimento de dois mecanismos de avaliação, sendo o primeiro um novo benchmark Cybersecurity Language Understading (CSLU), baseado no Massive Multitask Language Understanding, constituído por questões de escolha múltipla sobre diversos domínios do conhecimento. As prompts foram concebidas com o intuito de avaliar o estado de conhecimento de cada modelo relativamente aos tópicos supracitados. O segundo mecanismo consistiu na avaliação da consistência, criatividade e adaptabilidade dos modelos referente à geração de artefactos. Os resultados evidenciaram uma notória proeminência referente ao tópico de malware, com quatro destes a alcançarem a pontuação máxima. Por outro lado, o desempenho na tarefa de CTF revelou uma maior variação de resultados. De um modo geral, os modelos GPT- 4, Gemini Pro e Claude 3 Opus demonstraram resultados consistentemente superiores entre os modelos estudados. Num segundo momento, pretendeu-se desenvolver uma ferramenta baseada na web, com o objetivo de fornecer uma prova de conceito dos estudos anterior realizados. A referida ferramenta, recorrendo aos melhores LLMs estudados, permite ao utilizador criar e lançar automaticamente serviços de segurança, como os mencionados honeypots ou exercícios de CTF. De uma perspetiva global, estas descobertas sugerem que a aplicação de LLMs em atividades de cibersegurança pode ser altamente vantajosa.
- Application of stereoscopy in speleological surveyingPublication . Gonçalves, Martim Augusto Teixeira; Fazenda, Pedro Viçoso; Jorge, Pedro Miguel Torres MendesAbstract Cave topography plays a fundamental role in supporting various fields that require the exploration of underground environments by specialists. However, speleologists rely on traditional techniques which remain labor-intensive and prone to errors. While LiDAR and photogrammetry boast advanced mapping accuracy, high costs, bulk, laborous preparation and operational complexity limit widespread adoption. This study aims to investigate the use of a portable, cost-effective alternative surveying method by leveraging stereoscopy and established tools from the robotics ecosystem consisting on the ZED 2 3D camera and OctoMap framework. Field experiments compared stereoscopic mapping against a traditional compass-and-laser workflow, evaluating accuracy, efficiency and usability. Results demonstrate that stereo-SLAM pipelines produce metrically accurate 3D models in real time, offering an interesting development path to bridge the gap between manual surveys and high-end LiDAR scans. Limitations in portability, environmental conditions and robustness were identified along with future directions to address them. Despite these limitations in the method, it shows promising results by reducing cost and effort in obtaining structured and machine-readable cave representations with applications beyond speleology. These findings may support the development of tools to assist adjacent fields such as archaeology, geology, biology and environmental monitoring. The work establishes a foundation fieldready stereoscopic systems supporting semantic mapping, advanced spatial analysis, and integration with robotic exploration.
- Artificial vision in renewable photovoltaic systems: a review and vision of specific applications and technologiesPublication . Amaral, Tito G.; Cordeiro, Armando; Fernao Pires, VitorRenewable energy resources have become extremely important in the current context of air pollution and the production of significant amounts of greenhouse gas emissions that contribute to global warming. One of the most important renewable energy sources that has shown the highest growth in recent years is photovoltaic (PV) systems. Due to their significance, this research presents a review of the applications in which artificial computer vision can be used in photovoltaic systems. From the results presented in this review, it will be evident that artificial vision can be applied for several different purposes. The advantages of using this technique will also be highlighted. Additionally, a systematic literature review is presented on the research associated with this topic. Through this review, it will be evident that many advanced algorithms related to image acquisition equipment have been proposed to ensure high reliability and fast results. This review does not merely focus on a specific topic or algorithms associated with image processing applied to photovoltaic systems. Rather, this work presents a broad and comprehensive review detailing all viable applications and associated computer vision technologies that can be deployed within these systems. Besides that, the review will clearly specify which work one is based on public datasets. To allow future reproducibility or research, the links to all public datasets utilized in the works based on them are included.
- Assessing machine learning techniques for intrusion detection in cyber-physical systemsPublication . Santos, Vinicius F.; Albuquerque, Célio; Passos, Diego; Ereno Quincozes, Silvio; Mossé, DanielCyber-physical systems (CPS) are vital to key infrastructures such as Smart Grids and water treatment, and are increasingly vulnerable to a broad spectrum of evolving attacks. Whereas traditional security mechanisms, such as encryption and firewalls, are often inadequate for CPS architectures, the implementation of Intrusion Detection Systems (IDS) tailored for CPS has become an essential strategy for securing them. In this context, it is worth noting the difference between traditional offline Machine Learning (ML) techniques and understanding how they perform under different IDS applications. To answer these questions, this article presents a novel comparison of five offline and three online ML algorithms for intrusion detection using seven CPS-specific datasets, revealing that offline ML is superior when attack signatures are present without time constraints, while online techniques offer a quicker response to new attacks. The findings provide a pathway for enhancing CPS security through a balanced and effective combination of ML techniques.
- Assistente digital baseado em inteligência artificial para PCPublication . Goulão, António Duarte; Leite, Nuno Miguel da Costa de Sousa; Ferreira, Artur JorgeNos últimos anos, os assistentes digitais tornaram-se cada vez mais populares como meio de interação entre utilizadores e sistemas computacionais. No entanto, a maioria das soluções existentes é proprietária e fortemente integrada em ecossistemas fechados, limitando a flexibilidade e transparência. Esta tese propõe o desenvolvimento de um Assistente Digital (AD) para ambiente desktop Windows, modular, extensível e baseado em tecnologias de acesso aberto. O sistema integra reconhecimento automático de fala (ASR), síntese de fala (TTS), processamento de linguagem natural (PLN) e uma interface gráfica interativa. A arquitetura modular permite substituir ou expandir funcionalidades sem comprometer o núcleo do sistema. Um modelo de linguagem em larga escala (LLM) é utilizado para interpretar comandos em linguagem natural, garantindo flexibilidade na compreensão de instruções. Foram implementadas funcionalidades como execução de comandos locais e integração com serviços externos (Google Calendar e Gmail). Todos os comandos foram avaliados com LLM de diferentes dimensões. Os resultados mostraram que o desempenho está diretamente ligado ao modelo utilizado: modelos menores apresentaram falhas ocasionais, enquanto os de maior escala garantiram elevada precisão e consistência. Em todos os casos, os tempos médios de resposta mantiveram-se baixos, na ordem dos décimos de segundo. Para avaliar a usabilidade, foi aplicado um questionário baseado na métrica SUS a 15 utilizadores, com resultados muito positivos (pontuação média de 90.33 em 100). Os participantes mostraram facilidade na execução das tarefas e sugeriram melhorias relevantes. A solução confirma a viabilidade de um AD modular, expansível e open source para desktop. O trabalho constitui uma base sólida para futuras evoluções, permitindo a integração de novos módulos e adoção de diferentes LLM, representando um passo relevante no desenvolvimento de assistentes digitais mais abertos e adaptáveis.
- An autonomic parallel strategy for exhaustive search tree algorithms on shared or heterogeneous systemsPublication . Gonçalves de Oliveira Passos, Fernanda; Rebello, Vinod E. F.Backtracking branch-and-prune (BP) algorithms and their variants are exhaustive search tree techniques widely employed to solve optimization problems in many scientific areas. However, they characteristically often demand significant amounts of computing power for problem sizes representative of real-world scenarios. Given that their search domains can often be partitioned, these algorithms are frequently designed to execute in parallel by harnessing distributed computing systems. However, to achieve efficient parallel execution times, an effective strategy is required to balance the nonuniform partition workloads across the available resources. Furthermore, with the increasing integration of servers with heterogeneous resources and the adoption of resource sharing, balancing workloads is becoming complex. This paper proposes a strategy to execute parallel BP algorithms more efficiently on even shared or heterogeneous distributed systems. The approach integrates a self-adjusting dynamic partitioning method in the BP algorithm with a dynamic scheduler, provided by an application middleware, which manages the parallel execution while addressing any issues of imbalance. Empirical results indicate better scalability with efficiencies above 90% for instances of an application case study for the discretizable molecular distance geometry problem (DMDGP). Improvements of up to 38% were obtained in execution speed-ups compared to a more traditional parallel BP implementation for DMDGP.
- Avaliação energética e económica de sistemas híbridos renováveis em habitações residenciais com Integração de flexibilidade de consumoPublication . Moreira, Ruan Lopes; Camus, Cristina Inês; Sousa, Jorge Alberto Mendes deA transição energética global exige soluções inovadoras para reduzir a dependência de combustíveis fósseis e promover a integração de energias renováveis no setor residencial, alinhando-se diretamente com os Objetivos de Desenvolvimento Sustentável (ODS), em particular o ODS 7 – Energia Acessível e Limpa, o ODS 11 – Cidades e Comunidades Sustentáveis, o ODS 12 – Produção e Consumo Sustentáveis e o ODS 13 – Ação Climática. Neste contexto, o presente trabalho apresenta um estudo detalhado da implementação de sistemas híbridos de produção de energia, combinando tecnologias solar fotovoltaica, eólica de pequena escala e armazenamento em baterias, aplicados a uma habitação unifamiliar em Portugal. Para além da avaliação técnica, foram consideradas estratégias de flexibilidade de consumo, nomeadamente o carregamento de veículos elétricos e a utilização de sistemas de rega, com vista a maximizar o autoconsumo, a autossuficiência e a eficiência no uso de recursos. A metodologia incluiu a recolha e tratamento de dados reais, a modelação da produção renovável através de ferramentas como o PVGIS e uma análise económica baseada em indicadores como o LCOE, VAL, TIR e PRI. Os resultados demonstram que o sistema fotovoltaico isolado apresenta a maior atratividade económica, enquanto a integração da eólica e das baterias aumenta a resiliência energética, ainda que com custos superiores. A flexibilidade de consumo revelou benefícios marginais ao nível individual, mas com elevado potencial quando considerada em contexto agregado, como em comunidades energéticas. Conclui-se que a solução fotovoltaica representa a opção mais competitiva no cenário residencial português, sendo o armazenamento e a flexibilidade elementos complementares que reforçam a sustentabilidade energética e a contribuição para os ODS, sobretudo numa perspetiva futura de redes inteligentes e comunidades energéticas.
- Bitcoin Anomaly Detection (BAD) - use of machine learning for fraudulent transaction detectionPublication . Gomes, Nuno Gonçalo Rodrigues Cabral; Ferreira, Artur JorgeAbstract The increasing adoption of cryptocurrencies, especially Bitcoin, has significantly altered the financial landscape, enabling decentralised and pseudonymous transactions. While these characteristics foster innovation, they also present serious challenges in detecting fraudulent behaviour, including money laundering and investment scams. This dissertation introduces Bitcoin Anomaly Detection (BAD), a hybrid machine learning framework designed to detect anomalous transactions on the Bitcoin blockchain. The methodology integrates supervised and unsupervised learning techniques, applied to the Elliptic dataset comprising over 200,000 transactions with temporal and graph-based features. Feature engineering, class imbalance handling (e.g., SMOTE + ENN), and dimensionality reduction (PCA, UMAP) are employed. Several models are evaluated, including XGBoost, RF, and GNN, achieving up to 97.5% accuracy, 96.2% recall, and a false positive rate below 4.5%. Graph analysis revealed that illicit transactions tend to form sparsely connected “sink” nodes—receiving many inputs (high in-degree) but sending no outputs (zero out-degree)—a pattern typical of laundering. Semi-supervised learning and association rule mining were used to label unknown data and enhance classification reliability. The final pipeline combines feature selection, class instance sampling, and a hybrid semisupervised learning approach—bridging supervised and unsupervised methods—to classify transactions with high accuracy and robustness. Key challenges addressed include the scarcity of labelled data, severe class imbalance, and the evolving nature of fraud techniques. XAI components were incorporated to ensure interpretability and compliance with regulatory frameworks such as Markets in Crypto-Assets (MiCA) and Financial Action Task Force (FATF). The findings from our experimental evaluation demonstrate the viability of adaptive, interpretable AI solutions for safeguarding decentralised financial ecosystems and supporting efforts in Anti-Money Laundering (AML) and law enforcement.