Ciência-IUL    Autores    Luís Nunes    Projetos de Investigação
Projetos de Investigação
Inteligência Artificial na Gestão de Incentivos
O projecto, desenvolvido em colaboração com as agências públicas portuguesas IAPMEI e AICEP, pretende contribuir para a melhoria da gestão dos incentivos ao investimento empresarial, recorrendo a várias abordagens de aprendizagem automática que permitem identificar níveis de risco operacional e estratégico dos projectos, nas fases de análise de candidaturas e de verificação de pedidos de pagamento. O projecto deverá resultar na produção de scorings de risco que possam auxiliar as actividades de análise e verificação na gestão dos incentivos. Os principais tipos de risco a analisar incluem: • Risco de anulação do projecto (antes ou depois do contrato, por iniciativa do promotor ou das autoridades públicas) • Risco de devolução de incentivo (por anulação do projecto, incumprimento do contrato, não certificação de adiantamento, inconformidade da despesa ou outros motivos) • Risco de não-utilização do incentivo aprovado • Risco de inclusão de despesas inelegíveis (nos pedidos de adiantamentos contra-factura, na certificação pagamentos intercalares ou nos pedidos de reembolso) • Não cumprimento das metas contratualizadas
Informação do Projeto
2020-02-01
2021-12-31
Parceiros do Projeto
Cloud-based Anti Malware Technology for Android App Stores
Mobile security faces serious challenges, with alarming threat levels of malicious applications (malware). Malware applications attempt to capture user’s private data for illicit purposes, namely financial data, of personal context (such as location), business / corporate or other kinds of valuable information.  To address this problem the AppSentinel project proposes that App Stores should incorporate proactive and intelligent anti-malware mechanisms themselves, given its privileged position between developers and end-users. In this sense, we propose to research and develop an intelligent anti-malware system for Android App Stores, capable of performing static and dynamic analysis of malicious applications from several sources and understand their behavior patterns, which will then be used in testing new applications submitted to these stores. Moreover, these new applications will also be tested regarding good practices in secure mobile software development, which will lead to educational feedbacks to developers. Finally, a supervised machine learning system will be investigated and developed for efficient detection of new malicious applications based on users’ feedback. With these technological innovations we intend to reduce the incidence of malware on mobile devices, increase the efficiency in the analysis of virus reported by users and accelerate the reaction to new threats, and contribute to the adoption of secure mobile software development practices by developers.
Informação do Projeto
2018-08-07
2020-07-03
Parceiros do Projeto
Multipass
IT tasks:a) Support in the definition of the technologies to apply in the Decision Support System to implement in the project;b) Support, the implementation, with technical revisions;c) Coordination of the MsC. thesis associated to the project;d) Coordination of the scientific dissemination activities.
Informação do Projeto
2013-07-01
2014-12-01
Parceiros do Projeto