A type system for value-dependent information flow analysis

Information systems are widespread and used by anyone with computing devices as well as corporations and governments. It is often the case that security leaks are introduced during the development of an application. Reasons for these security bugs are multiple but among them one can easily identify that it is very hard to define and enforce relevant security policies in modern software. This is because modern applications often rely on container sharing and multi-tenancy where, for instance, data can be stored in the same physical space but is logically mapped into different security compartments or data structures. In turn, these security compartments, to which data is classified into in security policies, can also be dynamic and depend on runtime data. In this thesis we introduce and develop the novel notion of dependent information flow types, and focus on the problem of ensuring data confidentiality in data-centric software. Dependent information flow types fit within the standard framework of dependent type theory, but, unlike usual dependent types, crucially allow the security level of a type, rather than just the structural data type itself, to depend on runtime values. Our dependent function and dependent sum information flow types provide a direct, natural and elegant way to express and enforce fine grained security policies on programs. Namely programs that manipulate structured data types in which the security level of a structure field may depend on values dynamically stored in other fields The main contribution of this work is an efficient analysis that allows programmers to verify, during the development phase, whether programs have information leaks, that is, it verifies whether programs protect the confidentiality of the information they manipulate. As such, we also implemented a prototype typechecker that can be found at http://ctp.di.fct.unl.pt/DIFTprototype/.

Learning domain-specific sentiment lexicons with applications to recommender systems

Search is now going beyond looking for factual information, and people wish to search for the opinions of others to help them in their own decision-making. Sentiment expressions or opinion expressions are used by users to express their opinion and embody important pieces of information, particularly in online commerce. The main problem that the present dissertation addresses is how to model text to find meaningful words that express a sentiment. In this context, I investigate the viability of automatically generating a sentiment lexicon for opinion retrieval and sentiment classification applications. For this research objective we propose to capture sentiment words that are derived from online users’ reviews. In this approach, we tackle a major challenge in sentiment analysis which is the detection of words that express subjective preference and domain-specific sentiment words such as jargon. To this aim we present a fully generative method that automatically learns a domain-specific lexicon and is fully independent of external sources. Sentiment lexicons can be applied in a broad set of applications, however popular recommendation algorithms have somehow been disconnected from sentiment analysis. Therefore, we present a study that explores the viability of applying sentiment analysis techniques to infer ratings in a recommendation algorithm. Furthermore, entities’ reputation is intrinsically associated with sentiment words that have a positive or negative relation with those entities. Hence, is provided a study that observes the viability of using a domain-specific lexicon to compute entities reputation. Finally, a recommendation system algorithm is improved with the use of sentiment-based ratings and entities reputation.

Redes de Nova Geração: Uma Proposta para Cadastro em Sistemas de Informação Geográfica de Redes Fixas de Telecomunicações em Fibra Óptica

Dissertação apresentada para cumprimento dos requisitos necessários à obtenção do grau de Mestre em Gestão do Território variante de Sistemas de Informação Geográfica e Detecção Remota

O que determina a recomendação do operador de telecomunicações : caso de estudo dos clientes MEO

Com o objetivo de consolidar e pôr em prática o conhecimento adquirido ao longo do programa de mestrado, optei pela realização de um estágio, cujo relatório apresento sob a forma de trabalho Final de Mestrado. Assim sendo, surgiu a oportunidade de realizar um estágio curricular (por um período de seis meses, entre Setembro de 2013 e Fevereiro de 2014) no âmbito do trabalho desenvolvido pela equipa de Marketing Analítico da Direção de Segmento Consumo Residencial – DSR na empresa Portugal Telecom, uma das maiores empresas na área das Telecomunicações em Portugal. Num momento de elevada concorrência entre as empresas de telecomunicações, acresce a importância atribuída pelas empresas aos seus clientes e, com ela, a necessidade de estar em constante contacto com estes. É nesse contexto que o trabalho apresentado neste relatório é desenvolvido, recorrendo a métodos explicativos, nomeadamente regressão logística, para identificar características do comportamento dos clientes que têm impacto nas atitudes e perceções dos mesmos. Por outro lado, procura-se definir a relação entre essas atitudes e/ou perceções e a recomendação dos atuais clientes do serviço a outros. Por variadas razões, não foi possível utilizar dados da Portugal Telecom, pelo que foi necessário recorrer a recolha por questionário. Através deste método foram recolhidas 193 respostas, mas apenas 159 poderam ser utilizadas, uma vez que foram eliminados os casos em que os respondentes não possuiam serviço de telecomunicações e os casos em que os clientes MEO não responderam a perguntas fundamentais do questionário. Embora de forma consciente das limitações decorrentes da dimensão desta amostra, foi decidido prosseguir com estes resultados devido à dificuldade em angariar respondentes e devido ao período de tempo de recolha disponível para este relatório. Foi realizada uma caracterização da amostra recolhida com recurso a técnicas descritivas, sendo o modelo que permite estudar os impactos estimado com recurso a regressão por máxima verosimilhança, concretamente regressão logística. A partir da revisão da literatura e do conhecimento adquirido ao longo do estágio foram criados dois modelos explicativos para a recomendação. Os resultados indicam que a reclamação é influenciada positivamente pelo rendimento do agregado familiar, pelo preço e pela percepção que os indivíduos têm em como a PT se preocupa com eles e influenciada negativamente pela reclamação, ou seja quanto quanto mais reclamações os clientes fizerem menos é a probabilidade de recomendarem a empresa.