Código da Disciplina: ENEX Semestre Letivo: 1ºSEM/2015

Transcrição

1 Unidade Universitária: FACULDADE DE COMPUTAÇÃO E INFORMÁTICA Curso: Ciência da Computação Disciplina: SISTEMAS TOLERANTES A FALHAS Etapa: 08 Carga horária: 68 Teóricas, 0 Práticas, 0 EaD Ementa: Código da Disciplina: ENEX01432 Semestre Letivo: 1ºSEM/2015 Fundamentos de tolerância a falhas. Hardware tolerante a falhas. Redes de computadores tolerantes a falhas. Software tolerante a falhas. Checkpoint. Tolerância a falhas em sistemas criptográficos. Implementação de técnicas de tolerância a falhas. Conteúdo Programático: 1. Fundamentos de Tolerância a Falhas 1.1. Classificação de falhas 1.2. Tipos de redundância 1.3. Medidas básicas de tolerância a Falhas 1.4. Dependable Computing 2. Hardware Tolerante a Falhas 2.1. Medidas de resiliência em hardware 2.2. Técnicas de tolerância a falhas em nível de processador 2.3. Técnicas de tolerância a falhas em comunicações processador memória dispositivos 2.4. Técnicas baseadas em codificação/redundância 2.5. Sistemas de discos resilientes (RAID) 2.6. Simulação de tolerância a falhas em hardware 2.7. Especificação e verificação formal de hardware 2.8. Implementação de esquema de tolerância a falhas para a arquitetura de hardware MIPS 3. Redes de Computadores Tolerantes a Falhas 3.1. Medidas de resiliência em redes 3.2. Resiliência em função da topologia da rede 3.3. Protocolos tolerantes a falhas 3.4. Roteamento tolerante a falhas 3.5. Tolerância a Falhas em redes de sensores 3.6. Especificação e verificação formal de protocolos 3.7. Implementação de esquema de tolerância a falhas em redes de computadores 4. Software Tolerante a Falhas 4.1. Testes de aceitação de software 4.2. Modelos de confiabilidade de software 4.3. Técnicas de tolerância a falhas para software 4.4. Especificação e verificação formal de software 4.5. Implementação de esquema de tolerância a falhas para software 5. Checkpoint 5.1. Níveis de checkpoint 5.2. Checkpoint ótimo 1/2

2 5.3. Checkpoint em Sistemas Distribuídos 5.4. Checkpoint em Sistemas de Memória Compartilhada 6. Tolerância a Falhas em Sistemas Criptográficos 6.1. Fundamentos de cifras criptográficas simétricas e públicas 6.2. Ataques a cifras simétricas e públicas 6.3. Contra ataque em sistemas criptográficos 6.4. Esteganografia Metodologia: Metodologia: Aulas expositivas Exercícios práticos extra classe de implementação com softwares de tolerância a falhas Bibliografia Básica: ABD EL BARR, M. Design and Analysis of Reliable and Fault Tolerant Computer Systems. Londres: Imperial College Press, KNIGHT, J. Fundamentals of Dependable Computing for Software Engineers. New York: Chapman and Hall, KOREN, I., KRISHNA, C.M. Fault Tolerant Systems. New York: Morgan Kaufmann, Bibliografia Complementar: BUCHMANN, J.A. Introduction to Cryptography. New York: Springer Verlag, DIAB, H.B., ZOMAYA, A.Y. Dependable Computing Systems: Paradigms, Performance Issues, and Applications. New York: Wiley Interscience, DUBROVA, E. Fault Tolerant Design. New York: Springer, HANMER, R. Patterns for Fault Tolerant Software. New York: Wiley, JALOTE, P. Fault tolerance in distributed systems. Englewood Cliffs : Prentice Hall, /2

3 Unidade Universitária: FACULDADE DE COMPUTAÇÃO E INFORMÁTICA Curso: Ciência da Computação Sistemas de Informação Tecnologia em Análise e Desenvolvimento de Sistemas Disciplina: SEGURANÇA DA INFORMAÇÃO Etapa: Carga horária: 34 Teóricas, 0 Práticas, 0 EaD Ementa: Código da Disciplina: ENEC00126 Semestre Letivo: 1ºSEM/2015 Conceitos fundamentais de segurança. Controle de acesso: autenticação, autorização. Criptografia: visão geral, chave simétrica, chave publica, funções hash, análise. Protocolos: protocolo de autenticação simples, SSH, SSL, IPSec, Kerberos, WEP, GSM. Software: malware, botnets, tipos de ataques. Conceitos de análise de malware. Engenharia social e autenticação biométrica. Conteúdo Programático: 1. Introdução Introdução à Disciplina Introdução a Segurança da Informação Normas de Segurança Políticas de Segurança Análise de Riscos 2. Tipos de Ataques 2.1. Malwares Vírus Worms Trojans Botnets APT 2.2. Engenharia Social 2.3. Fraudes 2.4. Análise de Malware 3. Mecanismos de Segurança 3.1. Controles de Acesso Autenticação e autorização Single Sign On Vários fatores de Autenticação Autenticação Biométrica 3.2. Arquitetura de Segurança Arquitetura de segurança perimetral Redes de Segurança Next Generation Segurança em redes móveis 3.3. Protocolos de Segurança 3.4. Criptografia 1/2

4 visão geral chave simétrica e chave publica 3.5. Certificado Digital 3.6. Técnicas de Desenvolvimento Seguro 4. Análises de Vulnerabilidades 4.1. Planos de Ação Planos de Continuidade e Disaster Recovery 5. Ética e Privacidade na Segurança da Informação 6. Aspectos Forenses e Legislação Metodologia: Aulas expositivas dialogadas; Exercícios individuais e em grupos; Trabalhos/pesquisas extraclasse; Utilização do ambiente Mackenzie Virtual; Prova escrita sobre conteúdos da disciplina. Seminários de projetos elaborados pelos alunos em sala de aula. Bibliografia Básica: BOSWORTH S., KABAY E. M., WHYNE E. Computer Security Handbook. 5th Edition, Willey, N.Y STALLINGS W. Computer Security: Principles and Practices. 2nd Edition, Pearson, STAMP, M. Information Security: Principles and Practice. 2nd Edition, Willey, N.Y Bibliografia Complementar: ANDERSON, R. Security Engineering. 2nd Edition, Willey, N.Y., FERREIRA, F. N. F.; Araújo, M. T. Política de Segurança da Informação Guia prático para elaboração e implementação.. 2ª ed. São Paulo: Ciência Moderna, GARFINKEL, S. Web Security and Commerce. 2ª ed. Sebastopol: O'Reilly, GUPTA, M. ; WALP, J. ; SHARMAN, R. Strategic and practical approaches for information security governance: technologies and applied solutions. 1ed.Hershey, PA: Information Science Reference, LYRA, M. R. Segurança e Auditoria de Sistemas de Informação. 1ª ed. São Paulo: Ciência Moderna, /2

5 Unidade Universitária: FACULDADE DE COMPUTAÇÃO E INFORMÁTICA Curso: Ciência da Computação Disciplina: PROCESSAMENTO DE IMAGENS E VISÃO COMPUTACIONAL Etapa: 08 Carga horária: 34 Teóricas, 34 Práticas, 0 EaD Ementa: Código da Disciplina: ENEX01038 Semestre Letivo: 1ºSEM/2015 Fundamentos da Imagem Digital: formação, aquisição e modelos de imagens. Filtragem no domínio espacial, no domínio da frequência e morfologia matemática. Visão Computacional em Baixo Nível (Early Vision): segmentação de imagens. Visão Computacional em Nível Intermediário (Mid Level Vision): reconhecimento de padrões e análise de componentes principais. Visão Computacional em Alto Nível (High Level Vision): rastreamento, análise de movimento e visão estéreo. Conteúdo Programático: 1. Fundamentos da Imagem Digital 1.1. Elementos de percepção visual 1.2. Luz e o espectro eletromagnético 1.3. Imagens analógicas e digitais 1.4. Sensores e aquisição de imagens 1.5. Amostragem e quantização de imagens 1.6. Relacionamento entre pixels 1.7. Ferramentas matemáticas utilizadas no processamento digital de imagens 1.8. Processamento no domínio espacial, da frequência e em multirresolução 1.9. Problemas de processamento digital de imagens 2. Transformações de Intensidade e Filtragem Espacial 2.1. Fundamentos teóricos das transformações de intensidade e filtragem espacial 2.2. Transformações elementares em nível de cinza 2.3. Funções básicas de transformações de intensidade 2.4. Processamento de histograma 2.5. Filtragem no domínio espacial 2.6. Filtragem espacial de suavização (smoothing) 2.7. Filtragem espacial de aguçamento (sharpening) 2.8. Restauração de imagens pela filtragem no domínio espacial 3. Filtragem no Domínio da Frequência 3.1. Transformada de Fourier (FT) e o domínio da freqüência 3.2. Transformada Rápida de Fourier (FFT) 3.3. Fundamentos da filtragem no domínio da freqüência 3.4. Filtragem de frequência para suavização (smoothing) 3.5. Filtragem de frequência para aguçamento (sharpening) 3.6. Restauração de imagens pela filtragem no domínio da frequência 4. Processamento de Imagens Coloridas 4.1. Fundamentos do processamento de imagens coloridas 1/2

6 4.2. Modelos e espaços de cores 4.3. Processamento de imagens em pseudocores 4.4. Transformações entre espaços de cor 4.5. Suavização e aguçamento de imagens coloridas 5. Processamento Morfológico de Imagens 5.1. Fundamentos básicos do processamento morfológico de imagens 5.2. Operações lógicas com imagens binárias 5.3. Operadores morfológicos binários elementares: erosão e dilatação 5.4. Operadores morfológicos binários derivados: extração de fronteiras, preenchimento de buracos, extração de componentes conexos, fecho conexo, afinamento, espessamento, esqueletos, podas e reconstrução morfológica 5.5. Morfologia matemática para imagens em níveis de cinza 6. Visão de baixo nível 6.1. Segmentação de imagens detecção de bordas (gradiente, laplaciano e operador de Canny) 6.2. Crescimento de região 6.3. Corte (partição e união de regiões) 6.4. Watershed e meanshift. 7. Visão de nível médio 7.1. Reconhecimento de padrões 7.2. Métodos estatísticos simples envolvendo padrões de imagens e envolvendo contornos Análise de componentes principais. 8. Visão de alto nível 8.1. Rastreamento o algoritmo de Camshift 8.2. Análise de movimento fluxo óptico 8.3. Visão 3D análise de imagens em estéreo 8.4. Reconhecimento de padrão através de técnicas de aprendizado de máquina. Metodologia: Aulas expositivas Aulas de laboratório com utilização da biblioteca OpenCV Listas de exercícios em sala e com recurso à biblioteca Utilização do ambiente Mackenzie Virtual Bibliografia Básica: GONZALEZ, R. C.; WOODS, R. E. Digital Image Processing. 3. ed. New Jersey: Pearson Prentice Hall, PARKER, J.R. Algorithms for Image Processing and Computer Vision. New York: Wiley; 2 ed, PETROU, M., PETROU, C. Image Processing: The Fundamentals. New York: Wiley, Bibliografia Complementar: AZEVEDO, E.; CONCI AURA; LETA, F. Computação Gráfica: Processamento de Imagens Digitais. Vol. 2. Rio de Janeiro: Campus, BRADSKI, G., KAEHLER, A. Learning OpenCV: Computer Vision with OpenCV Library. New York: O'Reilly Media, BURGER, W.; BURGE, M. Digital Image Processing: An Algorithmic Introduction Using Java. New York: Springer, FORSYTH, D.; PONCE, J. Computer vision: a modern approach. Upper Saddle River, N.J.: Prentice Hall, SOLOMON, C., BRECKON, T. Fundamentals of Digital Image Processing. New York: Wiley, /2

7 Unidade Universitária: FACULDADE DE COMPUTAÇÃO E INFORMÁTICA Curso: Ciência da Computação Disciplina: INTELIGÊNCIA ARTIFICIAL II Etapa: 08 Carga horária: 68 Teóricas, 0 Práticas, 0 EaD Ementa: Código da Disciplina: ENEX01293 Semestre Letivo: 1ºSEM/2015 Conceitos de aprendizagem de máquina, adaptação e auto organização. Sistemas nebulosos. Computação evolucionária. Redes neurais artificiais. Desenvolvimento de sistemas computacionais adaptativos. Conceito de mineração de dados. Aplicações de Inteligência Artificial em mineração de dados. Conteúdo Programático: 1. Inteligência Artificial baseada em Aprendizagem e Auto organização 1.1. Evolução histórica da Inteligência Artificial Conceitos de Aprendizagem de Máquina, Adaptação e Auto organização Principais abordagens Aplicações desse paradigma no dia a dia das organizações. 2. Aprendizagem de Máquina 2.1. Aprendizagem não supervisionada, supervisionada e por reforço Árvores de decisão e indução de regras Aprendizagem Bayesiana Mineração de Dados Conceito. Mineração de Dados e Business Intelligence Principais tarefas de Mineração de Dados Aplicações de Inteligência Artificial em Mineração de Dados. 3. Redes Neurais Artificiais 3.1. Computação no Sistema Nervoso Central Aprendizagem neural Aprendizagem não supervisionada. Aprendizagem Competitiva. O Mapa Auto organizado Aprendizagem supervisionada: algoritmo Backpropagation Aprendizagem supervisionada: redes recorrentes Deep Learning Resolução de problemas por meio de Redes Neurais Arificiais (RNAs) Simuladores de RNAs Aplicações de RNAs em Mineração de Dados. 4. Computação Evolutiva 4.1. Conceito. Principais abordagens Fitness Algoritmos Genéticos. Operações. 5. Sistemas nebulosos 5.1. Lógica nebulosa Inferência nebulosa. 1/2

8 5.3. Aplicações de sistemas nebulosos. Metodologia: Aulas expositivas introduzindo os conceitos, associadas a mecanismos de aprendizagem ativa em que os alunos aprofundam o entendimento dos conceitos. Utilização de material audiovisual ilustrando aplicações concretas da Inteligência Artificial. Atividades em classe, individuais ou em pequenos grupos. Trabalhos em grupo focando em aplicações da Inteligência Artificial em uso nas organizações. Desenvolvimento, em pequenos grupos de alunos, de exercícios computacionais em sala de aula. Utilização de um ambiente de desenvolvimento de Redes Neurais Artificiais para prototipagem de uma aplicação de Mineração de Dados. Utilização do ambiente Mackenzie Virtual. Bibliografia Básica: DE JONG, K. A. Evolutionary Computation: A Unified Approach. Cambridge: MIT Press, FACELI, K., LORENA, A. C. ; GAMA, J. ; CARVALHO, A. C. P. L. F. Inteligência Artificial Uma Abordagem de Aprendizado de Máquina. 1. ed., Editora LTC, HAYKIN, S. Neural Networks and Learning Machines. 3ª ed, Editora Prentice Hall, 2008 Bibliografia Complementar: BISHOP, C. M. Pattern Recognition and Machine Learning. Corr. 2nd. printing. New York: Springer, DE CASTRO, Leandro N. Fundamentals of Natural Computing: Basic Concepts, Algorithms, and Applications. London: CRC Press LLC, MILINGTON, I.; FUNGE, J. Artificial Intelligence for Games. 2ª ed. Burlington: Morgan Kaufmann, PINHEIRO, C. A. Inteligência Analítica Mineração de Dados e Descoberta de Conhecimento. 1ª. ed., Editora Ciência Moderna, REZENDE, S. O. (org.) Sistemas Inteligentes: fundamentos e aplicações. São Paulo: Manole, /2