Open Device Lab: movement to improve web and app experience

We present here the first part of the literature review regarding our study object, the Open Device Labs. The research on ODLs emerges from the observation of worldwide non-profit movement, which, through mutual collaboration, information and devices sharing, proposes a final improvement on user’s experience with the web and app.

Web-sovellus Google App Engine alustalle

App Engine on lyhenne englanninkielisistä termeistä application, sovellus ja engine, moottori. Kyseessä on Google, Inc. -konsernin toteuttama kaupallinen palvelu, joka noudattaa pilvimallin tietojenkäsittelyn periaatteita ja mahdollistaa asiakkaan oman sovelluskehityksen. Järjestelmään on mahdollista ohjelmoida itse ideoitu palvelu Internet - verkon välityksellä käytettäväksi, joko yksityisesti tai julkisesti. Kyse on siis hajautetusta palvelinjärjestelmästä, jonka tarjoaa dynaamisesti kuormitukseen sopeutuvan sovellusalustan, jossa asiakas ei vuokraa virtuaalikoneita. Myös järjestelmän tarjoama tallennuskapasiteetti on saatavilla joustavasti. Itse kandidaatintyössä syvennytään yksityiskohtaisemmin sovelluksen toteuttamiseen palvelussa, rajoitteisiin ja soveltuvuuteen. Alussa käydään läpi pilvikäsite, joista monilla tietokoneiden käyttäjillä on epäselvä käsitys. Erilaisia kokonaisuuksia voidaan luoda erittäin monella tavalla, joista rajaamme käsittelyn kohteeksi toteuttamiskelpoiset yleiset ratkaisut.

Pilvisovelluskehitys Google App Engine -pilvisovellusalustalla

Tämä Diplomityö keskittyy tutkimaan pilvisovelluskehitystä Google App Engine – pilvisovellusalustalle perustuen kuusi –vaiheiseen vesiputousmalliin sekä tutkimaan Google App Engine -pilvisovellusalustan tarjoamia mahdollisuuksia ja rajoituksia sovelluskehityksen muodossa. Tutkimuksen perusteella kuusi –vaiheinen vesiputousmalli soveltuu pilvisovelluskehitykseen,mikäli vaatimusmäärittely on tarkka jo sovelluskehityksen alkuvaiheessa. Tutkimuksen tuloksena syntyi vaatimusmäärittely MikkoMail –pilvisovellukselle. Vaatimusmäärittelyn pohjalta luotiin MikkoMail –pilvisovellus Google App Engine –pilvisovellusalustalle. Google App Engine –pilvisovellusalusta tukee vain Python- ja Java –ohjelmointikieliä eikä sisällä lainkaan ulkoista tietokantapalveluiden tukea. Tästä syystä Google App Engine -pilvisovellusalusta soveltuu pieniin, keskisuuriin ja pilottiprojektinomaisiin sovelluskehitysprojekteihin.

Mobiilisovellusten keskitetyt jakelukanavat

Diplomityössä tutkitaan mobiilisovellusten keskitettyjä jakelukanavia. Nämä uudet jakelukanavat ovat mahdollistaneet sovellusten uuden tyylisen ja helpon jakelun. Työssä tutkitaan itsenäisen kehittäjän näkökulmasta sovelluksen kehitystä Android-, iOS- ja Windows Phone -ohjelmistoalustoilla, ja sen julkaisua App Storessa, Google Playssa ja Windows Phone Marketplacella. Tavoitteena on tutkia huomataanko esimerkkisovelluksen kehityksessä ja julkaisussa merkittäviä eroja jakelukanavien välillä. Prosesseissa havaittiin eroja, mutta ei kuitenkaan niin merkittäviä, että jokin jakelukanava voitaisiin nostaa selkeästi toisten edelle helpompana tai rajoitteista vapaampana vaihtoehtona.

Natiivin Android-pelin käyttöliittymän skaalautuminen ja suorituskyvyn optimointi

Tässä työssä esiteltiin Android laitteisto- ja sovellusalustana sekä kuvattiin, kuinka Android-pelisovelluksen käyttöliittymä voidaan pitää yhtenäisenä eri näyttölaitteilla skaalauskertoimien ja ankkuroinnin avulla. Toisena osiona työtä käsiteltiin yksinkertaisia tapoja, joilla pelisovelluksien suorituskykyä voidaan parantaa. Näistä tarkempiin mittauksiin valittiin matalatarkkuuksinen piirtopuskuri ja näkymättömissä olevien kappaleiden piilotus. Mittauksissa valitut menetelmät vaikuttivat demosovelluksen suorituskykyyn huomattavasti. Tässä työssä rajauduttiin Android-ohjelmointiin Java-kielellä ilman ulkoisia kirjastoja, jolloin työn tuloksia voi helposti hyödyntää mahdollisimman monessa eri käyttökohteessa.

Mobiilipelien kehitys ja julkaisu monialustakehitystyökaluja hyödyntäen

Tässä kandidaatintyössä esitellään mobiilimarkkoiden pirstaloitumisongelma, ja se millaisia haasteita kehittäjät voivat kokea kehittäessään sovelluksia, jotka tukevat useampia mobiilialustoja. Lisäksi työssä esitellään erilaisia mobiilisovelluksissa käytettäviä monetisaatiomalleja. Työssä tarkastellaan myös monialustakehitystyökalujen ja HTML5-tekniikan soveltuvuutta mobiilialustojen kehityshaasteiden ratkaisemiseen. Työn lopuksi toteutetaan ja julkaistaan käytännön pelisovellus monialustatyökalulla eri alustoja tukien. Tämän demosovelluksen avulla perehdytään julkaisuprosesseihin käytännössä, tuoden esille eri alustojen asettamia vaatimuksia kehittäjälle.

Evaluation of Machine Learning Classifiers for Mobile Network Intrusion Detection Systems

Mobile malwares are increasing with the growing number of Mobile users. Mobile malwares can perform several operations which lead to cybersecurity threats such as, stealing financial or personal information, installing malicious applications, sending premium SMS, creating backdoors, keylogging and crypto-ransomware attacks. Knowing the fact that there are many illegitimate Applications available on the App stores, most of the mobile users remain careless about the security of their Mobile devices and become the potential victim of these threats. Previous studies have shown that not every antivirus is capable of detecting all the threats; due to the fact that Mobile malwares use advance techniques to avoid detection. A Network-based IDS at the operator side will bring an extra layer of security to the subscribers and can detect many advanced threats by analyzing their traffic patterns. Machine Learning(ML) will provide the ability to these systems to detect unknown threats for which signatures are not yet known. This research is focused on the evaluation of Machine Learning classifiers in Network-based Intrusion detection systems for Mobile Networks. In this study, different techniques of Network-based intrusion detection with their advantages, disadvantages and state of the art in Hybrid solutions are discussed. Finally, a ML based NIDS is proposed which will work as a subsystem, to Network-based IDS deployed by Mobile Operators, that can help in detecting unknown threats and reducing false positives. In this research, several ML classifiers were implemented and evaluated. This study is focused on Android-based malwares, as Android is the most popular OS among users, hence most targeted by cyber criminals. Supervised ML algorithms based classifiers were built using the dataset which contained the labeled instances of relevant features. These features were extracted from the traffic generated by samples of several malware families and benign applications. These classifiers were able to detect malicious traffic patterns with the TPR upto 99.6% during Cross-validation test. Also, several experiments were conducted to detect unknown malware traffic and to detect false positives. These classifiers were able to detect unknown threats with the Accuracy of 97.5%. These classifiers could be integrated with current NIDS', which use signatures, statistical or knowledge-based techniques to detect malicious traffic. Technique to integrate the output from ML classifier with traditional NIDS is discussed and proposed for future work.

La Implantació de l’aprenentatge basat en problemes (APB-APP) en l’educació universitària: anàlisi d’una experiència

En aquest document es detalla l’experiència que s’ha portat a terme en l’Escola Politècnica Superior de la UdG. Concretament en l’assignatura de Fonaments Físics per l’enginyeria en l’àmbit de les titulacions de Disseny Industrial i d’Enginyeria Tècnica Industrial especialitat en Mecànica. L’objectiu general de l’activitat és aportar als alumnes els coneixements bàsics sobre camps elèctrics i teoria de circuits, des dels fonaments conceptuals, passant per l’aplicació dels conceptes en problemes fins a realitzar un esquema del procés, així com la utilització de les noves tecnologies tot aplicant com a tècnica d’aprenentatge basat en problemes: Project Based Learning (APB)

L'Avaluació en l'APP: l'experiència de l'INSA de Tolosa (França)

Presentació de l'experiència d'avaluació en APP a l'Institut Nacional de Ciències Aplicades de Tolosa

From Tin Toy to Android

This presentation is intended to show the use of Adobe Presenter to create a narrated presentation, and can be compared with the version recorded using Camtasia Studio.

From Tin Toy to Android

This presentation is intended to show the use of Camtasia Studio to create a narrated presentation, and can be compared with the version recorded using Adobe Presenter.