Università degli Studi di Roma "Tor Vergata"

- teorema dei resti cinesi
- teorema di eulero (aritmetica modulare)
- algoritmo di euclide esteso
- algoritmo RSA
- workflow e loro rappresentazione in forma normale congiuntiva
- alberi di descrizione delle transazioni
- regole di sicurezza su sistemi multitransazionali
- modelli per la cifra omomorfica
- uso della cifra omomorfica per la distribuzione controllata di chiavi di cifra
- network security: tipologie di attacchi in rete, controllo e documentazione di attacchi

Handbook of applied cryptography, by A. Menezes, P. van Oorschot, and S. Vanstone, CRC Press, 1996
Smart Card Handbook, John Wiley Sons
Dispense a cura del docente, distribuite durante le lezioni

1) Teoria dei grafi e delle reti sociali. Grafi, percorsi, connettività, distanza, ricerca. Chiusura triadica, legami forti e deboli, indici di centralità e partizionamenti. Bilancio strutturale
2) Dinamiche nelle reti: modelli di popolazione. Cascate informative: il concetto "segui la massa", un modello di cascata. Effetti rete: il problema di El Farol Bar. Power Law e fenomeno rich-get-richer: modelli rich-get-richer e la long tail.
3) Dinamiche nelle reti: modelli strutturali. Comportamento a cascata: diffusione, cascate e cluster, capacità di una cascata. Il fenomeno Small-world: modelli, ricerca decentralizzata.
4) Reti di Informazione: il World Wide Web. Struttura del Web: reti di informazione, ipertesti e memoria associativa. Link analysis e ricerca nel Web: il problema del Ranking, Hubs e Authorities, il PageRank.
5) Istituzioni e comportamento aggregato. Meccanismi di voto: decisioni di gruppo e preferenze individuali; sistemi di voto a maggioranza e posizionale; Teorema di impossibilità di Arrow; Teorema del Voto Mediano. Voto come forma di aggregazione dell'informazione: voto sincero e non sincero, la regola dell'unanimità e il problema del verdetto della giuria.

David Easley, Jon Kleinberg, "Networks, Crowds, and Markets: Reasoning about a Highly Connected World", Cambridge University Press

Sistemi di servizi in rete mono-organizzazione, sistemi di servizi multi-organizzazione e community. I sistemi cooperativi. Processo di decision-making. Catena del valore.
Analisi di fattibilità tecnica; analisi di fattibilità economica; analisi di fattibilità normativa e organizzativa. Analisi costi-benefici per un sistema di servizi. Flusso di cassa, Valore Attuale Netto, Tasso Interno di Rendimento, Tempo di Ritorno Attualizzato. Il valore dell'informazione. Il valore della sicurezza e della privacy. Il costo dei contenziosi. Il valore del monitoraggio, controllo e certificazione dei processi e delle regole di cooperazione definite nel sistema di servizi. Rilevazione di allarmi in un sistema cooperativo. Misure della Qualità del Servizio (QoS) e pianificazione dell'evoluzione di un sistema cooperativo.
Dall’analisi di fattibilità alla progettazione di massima e al progetto di dettaglio.
Le procedure di approvvigionamento. Capitolato tecnico servizi ICT. Dlgs 163/2006 (cenni).
Gli aspetti contrattuali per un sistema di servizi ICT (cenni).

- Nino Di Franco / Francesca A. Iacobone: Pragmatica dell’analisi costi-benefici: ISBN 978-88-548-2360-0
- Giuseppe Pennisi – Pasquale Lucio Scandizzo: Valutare l’incertezza: L’ANALISI COSTI-BENEFICI NEL 21° SECOLO: ISBN-13 9788834833087

1) Teoria dei grafi e delle reti sociali. Grafi, percorsi, connettività, distanza, ricerca. Chiusura triadica, legami forti e deboli, indici di centralità e partizionamenti. Bilancio strutturale
2) Dinamiche nelle reti: modelli di popolazione. Cascate informative: il concetto "segui la massa", un modello di cascata. Effetti rete: il problema di El Farol Bar. Power Law e fenomeno rich-get-richer: modelli rich-get-richer e la long tail.
3) Dinamiche nelle reti: modelli strutturali. Comportamento a cascata: diffusione, cascate e cluster, capacità di una cascata. Il fenomeno Small-world: modelli, ricerca decentralizzata.
4) Reti di Informazione: il World Wide Web. Struttura del Web: reti di informazione, ipertesti e memoria associativa. Link analysis e ricerca nel Web: il problema del Ranking, Hubs e Authorities, il PageRank.
5) Istituzioni e comportamento aggregato. Meccanismi di voto: decisioni di gruppo e preferenze individuali; sistemi di voto a maggioranza e posizionale; Teorema di impossibilità di Arrow; Teorema del Voto Mediano. Voto come forma di aggregazione dell'informazione: voto sincero e non sincero, la regola dell'unanimità e il problema del verdetto della giuria.

David Easley, Jon Kleinberg, "Networks, Crowds, and Markets: Reasoning about a Highly Connected World", Cambridge University Press

- teorema dei resti cinesi
- teorema di eulero (aritmetica modulare)
- algoritmo di euclide esteso
- algoritmo RSA
- workflow e loro rappresentazione in forma normale congiuntiva
- alberi di descrizione delle transazioni
- regole di sicurezza su sistemi multitransazionali
- modelli per la cifra omomorfica
- uso della cifra omomorfica per la distribuzione controllata di chiavi di cifra
- network security: tipologie di attacchi in rete, controllo e documentazione di attacchi

Handbook of applied cryptography, by A. Menezes, P. van Oorschot, and S. Vanstone, CRC Press, 1996
Smart Card Handbook, John Wiley Sons
Dispense a cura del docente, distribuite durante le lezioni

Algoritmi Distribuiti (6 CFU)
- Modelli di computazione distribuiti: paradigmi, algoritmi, misure di complessità, comunicazione
- Un processo epidemico: Il Broadcast e l'Information Spreading
- Il problema del Wake-Up
- Il problema dello Spanning Tree
- Il problema del Leader Election
- Il Modello Wireless: il fenomeno delle collisioni

Testi
Design and Analysis of Distributed Algorithms
Nicola Santoro (Author)
Publisher: Wiley-Interscience
ISBN: 0471719978

- Modelli di computazione distribuiti: paradigmi, algoritmi, misure di complessità, comunicazione
- Un processo epidemico: Il Broadcast e l'Information Spreading
- Il problema del Wake-Up
- Il problema dello Spanning Tree
- Il problema del Leader Election
- Il Modello Wireless: il fenomeno delle collisioni

NICOLA SANTORO, DISTRIBUTED ALGORITHMS

Cooperazione tra processi: peer e scambi informativi in ambiente distribuito, Modello di flussi di cooperazione, Ruolo di una terza parte "fidata", Intrusività della terza parte "fidata", L'albero di cooperazione, Certificazione della cooperazione, Cooperazione su protocolli di sicurezza (HTTPS), Process mining: verifica "on line" dell'evoluzione di processi cooperativi distribuiti, Process mining: ricostruzione dell'evoluzione di processi cooperativi distribuiti

Communicating Sequential Processes, C. A. R. Hoare
Process mining manifesto, Wil van der Aalst
The Guile Reference Manual, GNU OSF
Dispense delle lezioni

Processo di Poisson . Catene di Markov a stati numerabili a tempo discreto e continuo. Elementi di teoria dei processi di rinnovo.

Note redatte dal docente.

Introduzione all’elaborazione del linguaggio naturale (NLP simbolico)
Semantica, semantica lessicale, sistemi basati su semantica
Analisi del discorso
Ontologie
Modelli, metodologie di rappresentazione di conoscenza concettuale, linguaggi, tecnologie
Logiche terminologiche, logiche descrittive
Semantic Web
Applicazioni (es. IE, Q/A, reasoning) che traggono vantaggio da approcci misti basati su NLP e ontologie
Semantica e Big Data, linguaggi, tecnologie, applicazioni

“Ontology-based Interpretation of Natural Language”
Autori: P. Cimiano, C. Unger, J. McCrae
Morgan & Claypool publishers, 2014

Programma

Sezione I: Machine Learning e Learning basato su kernel.
Richiami. Metodi Supervised. Metodi probabilistici e generativi. Metodi Unsupervised. Clustering. Metriche di similarità semantica. Metodi agglomerativi. K-mean.
Modelli Markoviani. Hidden Markov Models.
Kernel-based kernels. Kernel polinomiali e RBF. String Kernels. Tree kernels. Latent Semantic kernels. Semantic kernels. Applicazioni.

Sezione II: Statistical Language Processing
Supervised Language Processing tools. HMM-based POS tagging. Named Entity Recognition. Statistical parsing. PCFGs: Charniak parser. Modelli di Parsing Lessicalizzati. Shallow Semantic Parsing: kernel based semantic role labeling. Information Extraction.

Sezione III: Web Mining & Retrieval.
Modelli di ranking per il Web. Introduzione alla Social Network Analysis: rango, centralità.
Modelli di random walk: Page Rank. Motori di ricerca. SEO. Google.
Sistemi di Question Answering. Open-domain Information Extraction.
Acquisizione di Conoscenza da Wikipedia. Social Web. Algoritmi su grafi per la community detection.
Introduzione all’Opinion Mining e al Sentiment Analysis.

Testi

•Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press. 2008. Consultabile on-line
•C.M. Bishop "Pattern Recognition and Machine Learning" Springer, 2006
•Roberto Basili, Alessandro Moschitti, Text Categorization: from Information Retrieval to Support Vector Learning, ARACNE Editore, 2005.
•Bing Liu, Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. 2nd Edition, July 2011, Springer.
•Note del docente e articoli scientifici distribuite durante il corso.

1) Introduzione di Complex Web attraverso analisi di contesti.
2) Definizione formale di Complex Web.
3) Studio dell proprietà di un complex web
4) Definizione di meta regole per il riconoscimento di un sistema complesso.
5) Richiamo dei concetti di protocollo su rete.
6) Richiami sui protocolli IP, TCP, HTTP, SSL.
7) Un linguaggio basato sul riconoscimento delle stringhe
8) Ottenimento di sequenze elementari di eventi su WEB
9) Il modello degli stati
10) Il modello delle transizioni temporali
11) Dipendenza e causalità
12) Il grafo causale.
13) Rappresentazione di complex web come insieme di grafi causali.

Dispense a cura del docente, distribuite durante le lezioni

Programma

1. Modellizzazione dei sistemi: rappresentazione con automi a stati finiti;

2. Modellizzazione di proprietà di sistemi: logica temporale;

3. Tecniche di model checking esplicito;

4. Tecniche di model checking simbolico.

System and Software Verification
Model-Checking Techniques and Tools
Berard, B., Bidoit, M.., Finkel, A., Laroussinie, F., Petit, A., Petrucci, L., Schnoebelen, P.

Teoria dei giochi
• Giochi a somma zero
• Giochi non a somma zero
• Negoziazioe
• Dilemma del prigioniero
Le simulazioni basate su agenti::
• Evoluzione della cooperazione
• Complessità della cooperazione
• Algoritmi genetici
• Società artificiali e auto organizzazione sociale
Complessità e sistemi di agenti
• Sistemi complessi
• Elaborazione distribuita delle informazioni
• Automi e calcolo distribuito
Reti complesse di agenti distribuiti
• Scale free networks and small worlds
• Gruppi e gerarchie
• Tolleranza attacco e errore
• Errore/Fallimenti a cascata
Gestione identità e degli attributi in sistemi di agenti

• Yoav Shoham, Kevin Leyton-Brown, “Multiagent systems”, Cambridge University Press, New York (2009)
• R. Duncan Luce and Howard Raiffa, “Games and Decisions: Introduction and Critical Survey”, Dover, New York (1989)
• Anatol Rapoport, “Two Person Game Theory”, Dover, New York, (1999)
• Robert Axelrod, “The Evolution Of Cooperation”, Penguin (1990)
• Robert Axelrod, “The Complexity of Cooperation”, Princeton University Press, Princeton (1997)
• Melanie Mitchell, “Complexity a Guided Tour” Oxford University Press (2009)
• John H. Holland: Signals and Boundaries, Building Blocks of Complex Adaptive Systems, The MIT Press, Cambridge, MA (2012)
• Mung Chiang, Networked Life, 20 Questions and Answers, Cambridge University Press, Cambridge (2012)
• Social Self Organization, Dirk Helbing Editor, Springer, Heidelberg (2012)
• Recent journal papers

Programma e Materiale Disponibile
•Introduzione e la sfida delle macchine parlanti (appunti per la lezione)
•Il Linguaggio: modelli e teorie linguistiche (appunti per la lezione e corso di linguistica da cui sono stati derivati)
•Modelli Linguistici e Sistemi
◦Come determinare che un modello è corretto e un sistema è efficace: inter-annotation agreement e statistical significance (appunti per la lezione)
◦Automi a stati finiti e trasduttori per la morfologia (appunti per la lezione)
◦Elaborazione sintattica con le grammatiche context-free
◦Parsing con le grammatiche context-free (appunti per la lezione)
◦Feature Structures e Unificazione (appunti per la lezione)
◦Tree Adjoining Grammars (appunti per la lezione)
◦Modular and Lexicalized Parsing (appunti per la lezione)
◦Probabilistic context-free grammar
◦Semantica ■Rappresentazione semantica simbolica(appunti per la lezione): Introduzione a WordNet e FrameNet
■Lambda Calcolo per la semantica del linguaggio naturale (appunti per la lezione)
■Rappresentazione semantica distribuzionale

◦Textual Entailment Recognition (Tutorial at ACL 2007)

Libri di testo
•Daniel Jurafsky and James H. Martin, SPEECH and LANGUAGE PROCESSING: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (Second Edition)
•I.Dagan, D.Roth, M.Sammons, F.M.Zanzotto, Recognizing Textual Entailment: Models and Applications, Synthesis Lectures on Human Language Technologies #23, Morgan&Claypool Publishers, 2013

L’informazione in IR. Entropia, Codifiche e codifiche ottimali, Codifica di Shannon-Fano, Codifica di Huffman. Le distribuzioni in Information Retrieval. Legge di Zipf & Power Law, Poisson, Multinomiale, Bernoulli, Dirichlet, Bose-Einstein.
• Architettura di un sistema di IR. Parser, algoritmi di stemming. Indice inverso e indice diretto. Metodi di compressione degli indici: Gamma code, Varint code di Google, Stima della Dimensione degli indici mediante la Legge di Zipf.
• Programmazione Map Reduce, Indicizzazione mediante MapReduce
• Il problema dell'induzione in IR. Modelli di IR. Modello Two-Poisson, Modello dello Spazio vettoriale, Modello del linguaggio, Modelli Divergence From Randomness (DFR)
• Modelli per la rappresentazione dell'interrogazione. Teoria del relevance feedback e tecniche di apprendimento automatico per l'IR. Espansione automatica delle interrogazioni.
• Misure di valutazione dell'efficacia dei modelli di IR.
• Misure di similarità per l’IR. Correlazione di Pearson, Mutual Information Measure, Misura di Jaccard
• Clustering massivo, Locality Sensitive Hashing, Near Duplicate Detection. Implementazione MapReduce di LSH
• Modelli di recupero mediante links e anchor text. Link Analysis & Pagerank, Calcolo efficiente di Pagerank, Applicazioni in Twitter, Spammer identification
• Information Retrieval Temporale, Modelli temporali di IR
• Crawling. Web Crawling, Pseudo crawling in Twitter

1. J. Leskovec, A. Rajaraman, J. D. Ullman, Mining of Massive Datasets,
http://infolab.stanford.edu/~ullman/mmds/book.pdf
2. G. Amati, Note di Information Retrieval, (manuscript)
3. Chakrabarti, Mining the web, http://www.facweb.iitkgp.ernet.in/~shamik/autumn2012/dwdm/papers/dmining.pdf
4. C.J. van Rijsbergen, Information Retrieval, London: Butterworths, 1979.
http://www.dcs.gla.ac.uk/Keith/Preface.html
5. Moffat, Timothy Bell, Managing Gigabytes, Morgan Kaufmann Publishers, 1999.
6. C. D. Manning, P.Raghavan, H. Schütze, An Introduction to Information Retrieval, 2009, http://nlp.stanford.edu/IRbook/pdf/irbookonlinereading.pdf

Introduzione all’elaborazione del linguaggio naturale (NLP simbolico)
Semantica, semantica lessicale, sistemi basati su semantica
Analisi del discorso
Ontologie
Modelli, metodologie di rappresentazione di conoscenza concettuale, linguaggi, tecnologie
Logiche terminologiche, logiche descrittive
Semantic Web
Applicazioni (es. IE, Q/A, reasoning) che traggono vantaggio da approcci misti basati su NLP e ontologie
Semantica e Big Data, linguaggi, tecnologie, applicazioni

“Ontology-based Interpretation of Natural Language”
Autori: P. Cimiano, C. Unger, J. McCrae
Morgan & Claypool publishers, 2014

Programma

Sezione I: Machine Learning e Learning basato su kernel.
Richiami. Metodi Supervised. Metodi probabilistici e generativi. Metodi Unsupervised. Clustering. Metriche di similarità semantica. Metodi agglomerativi. K-mean.
Modelli Markoviani. Hidden Markov Models.
Kernel-based kernels. Kernel polinomiali e RBF. String Kernels. Tree kernels. Latent Semantic kernels. Semantic kernels. Applicazioni.

Sezione II: Statistical Language Processing
Supervised Language Processing tools. HMM-based POS tagging. Named Entity Recognition. Statistical parsing. PCFGs: Charniak parser. Modelli di Parsing Lessicalizzati. Shallow Semantic Parsing: kernel based semantic role labeling. Information Extraction.

Sezione III: Web Mining & Retrieval.
Modelli di ranking per il Web. Introduzione alla Social Network Analysis: rango, centralità.
Modelli di random walk: Page Rank. Motori di ricerca. SEO. Google.
Sistemi di Question Answering. Open-domain Information Extraction.
Acquisizione di Conoscenza da Wikipedia. Social Web. Algoritmi su grafi per la community detection.
Introduzione all’Opinion Mining e al Sentiment Analysis.

Testi

•Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press. 2008. Consultabile on-line
•C.M. Bishop "Pattern Recognition and Machine Learning" Springer, 2006
•Roberto Basili, Alessandro Moschitti, Text Categorization: from Information Retrieval to Support Vector Learning, ARACNE Editore, 2005.
•Bing Liu, Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data. 2nd Edition, July 2011, Springer.
•Note del docente e articoli scientifici distribuite durante il corso.

1) Introduzione di Complex Web attraverso analisi di contesti.
2) Definizione formale di Complex Web.
3) Studio dell proprietà di un complex web
4) Definizione di meta regole per il riconoscimento di un sistema complesso.
5) Richiamo dei concetti di protocollo su rete.
6) Richiami sui protocolli IP, TCP, HTTP, SSL.
7) Un linguaggio basato sul riconoscimento delle stringhe
8) Ottenimento di sequenze elementari di eventi su WEB
9) Il modello degli stati
10) Il modello delle transizioni temporali
11) Dipendenza e causalità
12) Il grafo causale.
13) Rappresentazione di complex web come insieme di grafi causali.

Dispense a cura del docente, distribuite durante le lezioni

Programma

1. Modellizzazione dei sistemi: rappresentazione con automi a stati finiti;

2. Modellizzazione di proprietà di sistemi: logica temporale;

3. Tecniche di model checking esplicito;

4. Tecniche di model checking simbolico.

System and Software Verification
Model-Checking Techniques and Tools
Berard, B., Bidoit, M.., Finkel, A., Laroussinie, F., Petit, A., Petrucci, L., Schnoebelen, P.

Programma e Materiale Disponibile
•Introduzione e la sfida delle macchine parlanti (appunti per la lezione)
•Il Linguaggio: modelli e teorie linguistiche (appunti per la lezione e corso di linguistica da cui sono stati derivati)
•Modelli Linguistici e Sistemi
◦Come determinare che un modello è corretto e un sistema è efficace: inter-annotation agreement e statistical significance (appunti per la lezione)
◦Automi a stati finiti e trasduttori per la morfologia (appunti per la lezione)
◦Elaborazione sintattica con le grammatiche context-free
◦Parsing con le grammatiche context-free (appunti per la lezione)
◦Feature Structures e Unificazione (appunti per la lezione)
◦Tree Adjoining Grammars (appunti per la lezione)
◦Modular and Lexicalized Parsing (appunti per la lezione)
◦Probabilistic context-free grammar
◦Semantica ■Rappresentazione semantica simbolica(appunti per la lezione): Introduzione a WordNet e FrameNet
■Lambda Calcolo per la semantica del linguaggio naturale (appunti per la lezione)
■Rappresentazione semantica distribuzionale

◦Textual Entailment Recognition (Tutorial at ACL 2007)

Libri di testo
•Daniel Jurafsky and James H. Martin, SPEECH and LANGUAGE PROCESSING: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (Second Edition)
•I.Dagan, D.Roth, M.Sammons, F.M.Zanzotto, Recognizing Textual Entailment: Models and Applications, Synthesis Lectures on Human Language Technologies #23, Morgan&Claypool Publishers, 2013

1) Richiami di crittografia, crittografia simmetrica e asimmetrica, identità digitale, cenni sulle Pki, cenni sul protocollo SSL.
2) Sistemi complessi
3) Modelli organizzativi e strumenti per lo studio dell'architettura degli stessi
4) Sicurezza di un modello organizzativo
5) Sicurezza infrastrutturale: sicurezza delle reti
6) Sicurezza dei sistemi organizzativi su Web
7) Anomalie dei processi: strumenti di rilevazione e analisi
8) Anomalie tecnologiche: strumenti di rilevazione e analisi

Stallings, W. Crittografia e Sicurezza delle Reti. McGraw Hill.
Kaufman,C. & Perlman, R. & Speciner, M. Network Security. Prentice Hall
Mitchell T., Machine Learning. McGraw Hill.

Dispense a cura del docente.

Pattern recognition e machine learning. Schema generale di un sistema di ML. Inferenza. Apprendimento supervisionato e non supervisionato. Regressione lineare. Funzioni base e regressione. Overfitting e funzioni di penalizzazione. Model selection. Introduzione alla teoria delle decisioni. Classificazione: approcci (funzioni di discriminazione, modelli probabilistici discriminativi, modelli probabilistici generativi). Riduzione di dimensionalità e feature selection. Il modello connessionistico. Reti neurali a più strati. Apprendimento di reti neurali. Optimal margin classifiers e support vector machines. Funzioni kernel. Metodi non parametrici per la stima di probabilità: applicazione alla classificazione. Apprendimento non supervisionato. Clustering. Algoritmo k-means. Modelli di mistura di distribuzioni. Modelli a variabili latenti e algoritmo EM. Modello probabilistico di PCA. Factor analysis. Ensemble methods. Modelli statistici del testo. LSA, PLSA, Topic models. Utilizzo di strumenti in ambiente Python per l'analisi e l'apprendimento da dataset reali.

C. M. Bishop "Pattern recognition and machine learning", Springer

Pattern recognition e machine learning. Schema generale di un sistema di ML. Inferenza. Apprendimento supervisionato e non supervisionato. Regressione lineare. Funzioni base e regressione. Overfitting e funzioni di penalizzazione. Model selection. Introduzione alla teoria delle decisioni. Classificazione: approcci (funzioni di discriminazione, modelli probabilistici discriminativi, modelli probabilistici generativi). Riduzione di dimensionalità e feature selection. Il modello connessionistico. Reti neurali a più strati. Apprendimento di reti neurali. Optimal margin classifiers e support vector machines. Funzioni kernel. Metodi non parametrici per la stima di probabilità: applicazione alla classificazione. Apprendimento non supervisionato. Clustering. Algoritmo k-means. Modelli di mistura di distribuzioni. Modelli a variabili latenti e algoritmo EM. Modello probabilistico di PCA. Factor analysis. Ensemble methods. Modelli statistici del testo. LSA, PLSA, Topic models. Utilizzo di strumenti in ambiente Python per l'analisi e l'apprendimento da dataset reali.

C. M. Bishop "Pattern recognition and machine learning", Springer