12 cfu a scelta dello studente

Corso	Ingegneria Informatica e dei sistemi per le Telecomunicazioni
Curriculum	Curriculum unico
Orientamento	Intelligent Transportation Systems
Anno Accademico	2021/2022

Modulo: Teoria dei Grafi

Corso	Ingegneria Informatica e dei sistemi per le Telecomunicazioni
Curriculum	Curriculum unico
Orientamento	Intelligent Transportation Systems
Anno Accademico	2021/2022
Crediti	6
Settore Scientifico Disciplinare	MAT/03
Anno	Secondo anno
Unità temporale	Secondo semestre
Ore aula	48
Attività formativa	Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Docente	VITTORIA BONANZINGA
Obiettivi	Conoscenza delle nozioni di base della teoria dei Grafi:grafo semplice,ciclo, multigrafo, grafo completo, grafo bipartito, cammini, circuiti, connettività, componenti, punto di taglio. Rappresentazione di grafi. Alberi e grafi planari. Matrice di adiacenza. Matrice di incidenza. Conoscenza degli strumenti e delle tecniche proprie della teoria dei Grafi: Copertura minimale di un grafo, k-colorazione, percorso minimo,albero di copertura minimale. Capacità di comprendere e utilizzare strumenti matematici adeguati per la risoluzione di problemi di connessione tramite l'utilizzo dei grafi. Capacità di comunicare le conoscenze acquisite attraverso un linguaggio tecnico-scientifico adeguato. Conoscenze relative agli aspetti metodologico-operativi della Teoria dei grafi, ai fini dell’interpretazione e descrizione di applicazioni nell’ambito dell’Ingegneria, ad esempio applicazioni nell'ambito delle reti elettriche, problemi di flusso e dei trasporti. Modalità di accreditamento e valutazione: I possibili argomenti su cui verterà l'esame sono: 1. ciclo, multigrafo, grafo completo, grafo bipartito, cammini, circuiti, connettività, componenti, punto di taglio. 2. Rappresentazione di grafi. Alberi e grafi planari. Grafi diretti. 3. Problema di cammino minimo. Matrice di adiacenza. Matrice di incidenza. Cammini e circuiti euleriani. 4. Grafi e colorazioni. Alberi con radice. Alberi di copertura minimali. 5. Circuito Hamiltoniano. Grafo euleriano. Grafo Hamiltoniano. Flussi. Teorema di Eulero. Algoritmo di Dijkstra. 6. Teoria di Ramsey Nelle verifiche in itinere si valutano le capacità critiche raggiunte dallo Studente nell'inquadrare le tematiche oggetto del Corso ed il rigore metodologico delle risoluzioni proposte in risposta ai quesiti formulati. La prova orale consiste in un colloquio sugli argomenti delle verifiche in itinere e sugli argomenti teorici che fanno parte del programma del corso. Si valuta la capacità dello studente di comunicare le nozioni acquisite attraverso un linguaggio scientifico adeguato e la capacità di esposizione. Il voto finale sarà attribuito secondo il seguente criterio di valutazione: 30 - 30 e lode: ottima conoscenza degli argomenti, ottima proprietà di linguaggio, completa ed originale capacità interpretativa, spiccata capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 26 - 29: conoscenza completa degli argomenti, buona proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti; 24 - 25: conoscenza degli argomenti con un buon grado di apprendimento, discreta proprietà di linguaggio, corretta e sicura capacità interpretativa, capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti; 21 - 23: conoscenza adeguata degli argomenti, ma mancata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, limitata capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 18 - 20: conoscenza di base degli argomenti principali e del linguaggio tecnico, capacità interpretativa sufficiente, capacità di applicare le conoscenze acquisite; <18 Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il corso.
Programma	Origini: problema dei ponti di Königsberg. Definizioni e concetti fondamentali: definizioni, ciclo, multigrafo, grafo completo, grafo bipartito, cammini, circuiti, connettività, componenti, punto di taglio. Rappresentazione di grafi. Alberi e grafi planari. Grafi diretti. Matrici e spazi vettoriali di grafi. Cammini e circuiti euleriani. Problema di cammino minimo. Matrice di adiacenza. Matrice di incidenza. Matching. Grafi e colorazioni. Alberi con radice. Alberi di copertura minimali. Reti. Cammini nelle reti. Circuito Hamiltoniano. Grafo euleriano. Grafo Hamiltoniano. Flussi. Teoria di Ramsey. Teorema di Eulero. Algoritmi: di Dijkstra, di Kruskal e di Prim. Applicazioni della teoria dei grafi ai trasporti, alle reti elettriche, alle reti di calcolatori per la distribuzione e l’immagazzinamento di informazioni.
Testi docente	1) W. D. Wallis, A Beginner’s Guide to Graph Theory, Second edition, Birkhäuser, 2007.
Erogazione tradizionale	Sì
Erogazione a distanza	No
Frequenza obbligatoria	No
Valutazione prova scritta	No
Valutazione prova orale	Sì
Valutazione test attitudinale	No
Valutazione progetto	No
Valutazione tirocinio	No
Valutazione in itinere	Sì
Prova pratica	No

---

Ulteriori informazioni

Modulo: Principi di Ingegneria neurale

Corso	Ingegneria Informatica e dei sistemi per le Telecomunicazioni
Curriculum	Curriculum unico
Orientamento	Intelligent Transportation Systems
Anno Accademico	2021/2022
Crediti	6
Settore Scientifico Disciplinare	ING-IND/31
Anno	Secondo anno
Unità temporale	Secondo semestre
Ore aula	48
Attività formativa	Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Erogazione	1000598 Principi di Ingegneria neurale in Ingegneria Elettronica LM-29 MAMMONE NADIA
Docente	Nadia Mammone
Obiettivi	CONOSCENZA E COMPRENSIONE: Il corso si propone di completare la preparazione dello studente magistrale in ambito machine learning, focalizzando l’attenzione sugli aspetti maggiormente collegati alle neuroscienze. Vengono proposte applicazioni all'elaborazione di segnali elettroencefalografici (EEG) sia per discriminazione di stati cerebrali sia per Brain Computer Interface (BCI). Lo studente, in autonomia, svolgerà un proprio elaborato suggerito dal docente. CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE: Il corso è orientato a far acquisire allo studente competenze sulla progettazione e sviluppo di algoritmi, basati su metodi di Deep Learning, per applicazioni nell’ambito delle neuroscienze. Tale obiettivo viene perseguito anche attraverso esercitazioni laboratoriali durante le quali lo studente avrà modo di progettare i propri esperimenti, acquisire i segnali elettroencefalografici ed elaborarli. AUTONOMIA DI GIUDIZIO: A fine corso, e in particolare al superamento dell’esame, lo studente sarà in grado, in completa autonomia, di: definire paradigmi ed esperimenti di acquisizione dei segnali EEG secondo quelli che sono gli obiettivi del proprio studio; progettare algoritmi per l’elaborazione dei segnali acquisiti al fine di raggiungere l’obiettivo dello studio. Lo studente potrà contare sul bagaglio di metodi trattati durante il corso nonché sulla propria capacità di approfondire autonomamente ulteriori metodi presenti in letteratura, grazie ad un’acquisita padronanza dei concetti fondamentali del deep learning. ABILITA' COMUNICATIVE: Attraverso una continua interazione docente-studente, il corso orienterà all’acquisizione del linguaggio proprio dell’intelligenza artificiale e della computational neuroscience, permettendo inoltre allo studente di affinare la capacità di esprimersi attraverso un linguaggio tecnico appropriato. CAPACITA' DI APPRENDIMENTO Al superamento dell’esame, lo studente avrà acquisito la capacità di progettare algoritmi basati su reti neurali artificiali, sia di tipo shallow sia di tipo deep. Sarà in grado di definire paradigmi ed esperimenti per l’acquisizione di segnali elettroencefalografici (EEG) secondo quelli che sono gli obiettivi dello studio; acquisire tali segnali; elaborarli mediante algoritmi di Deep Learning sviluppati ad-hoc; integrare tali algoritmi con piattaforme per l’interfacciamento in tempo reale con il sistema di acquisizione EEG. Viceversa, l’applicazione pratica dei concetti teorici permetterà di comprenderli a fondo e rielaborarli; lo studente svilupperà così in generale un approccio teorico-pratico alle materie ingegneristiche. MODALITA’ DI VALUTAZIONE L’esame consta nella discussione di un elaborato progettuale, svolto autonomamente oppure in gruppo, e nella prova orale. La discussione dell’elaborato è volta a valutare l’autonomia e le capacità critiche sviluppate dallo studente nonché il rigore metodologico nella progettazione di algoritmi basati su metodi di deep learning. La prova orale è volta a verificare il livello di padronanza delle conoscenze degli argomenti proposti durante il corso nonché la capacità di esposizione dei contenuti teorici della disciplina. Il voto finale sarà attribuito considerando la valutazione dell’elaborato e l’esito della discussione orale, secondo il seguente criterio di valutazione: 30 - 30 e lode: conoscenza completa, approfondita e critica degli argomenti, ottima proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze acquisite; 27 - 29: conoscenza completa e approfondita degli argomenti, piena proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti; 24 - 26: conoscenza degli argomenti con un buon grado di apprendimento, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, capacità di applicare in modo corretto la maggior parte delle conoscenze acquisite; 21 - 23: conoscenza adeguata degli argomenti, ma mancata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, limitata capacità di applicare autonomamente le conoscenze acquisite; 18 - 20: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, capacità interpretativa sufficiente, capacità di applicare le conoscenze basilari acquisite; Insufficiente: lo studente non possiede una conoscenza accettabile degli argomenti trattati durante il corso.
Programma	FONDAMENTI DI INGEGNERIA NEURALE (0.5 CFU) Fondamenti di ingegneria neurale. Panoramica sulle applicazioni dell’ingegneria neurale. Necessità di una nuova prospettiva negli approcci basati su modelli. Introduzione dell'esame e del progetto di fine corso. Introduzione ai campi elettrici del cervello e all'EEG. Concetti fondamentali sulla generazione dei ritmi EEG. Registrazione e acquisizione di segnali EEG. Pattern EEG normali e anormali. Disturbi neurologici e loro effetti sulle onde cerebrali (morbo di Alzheimer, epilessia, ictus, morbo di Parkinson, ecc.). Brain Computer Interfaces (BCI) e BCI basate su EEG. Applicazione dell'intelligenza artificiale ai segnali EEG. RETI NEURALI ARTIFICIALI (2 CFU) Proprietà generali dei sistemi di elaborazione neurale. Modello di neurone biologice. Neurone artificiale di McCulloch-Pitts. Discesa del gradiente. Non linearità: sigmoidale, tangente iperbolica, funzioni di attivazione di ReLu. Processo di apprendimento. Correzione dell'errore. Regola Widrow-Hopf. Hebbian Learning. Apprendimento competitivo. Apprendimento supervisionato e non supervisionato. Apprendimento con rinforzo. Natura statistica del processo di apprendimento. Architetture di rete: modelli feedforward. Modelli competitivi e auto-organizzativi. Rappresentazione della conoscenza. Visualizzazione dei processi nelle reti neurali. Perceptrons. Multi-layer Perceptrons. Radial Basis Functions. Reti ricorrenti. Mappe auto-organizzanti. DEEP LEARNING (1.5 CFU) Modelli Deep e Shallow. Convolutional Neural Networks. Visualizzazione e comprensione delle reti convoluzionali, visualizzazione di modelli di classificazione delle immagini e saliency maps, comprensione delle reti neurali attraverso la deep visualization. Metodi di Explainable Machine Learning. Stacked AutoEncoders. Generative Adversarial Networks. ELABORAZIONE DEI SEGNALI EEG (1 CFU) Fondamenti di elaborazione dei segnali EEG. Analisi dei segnali EEG nel domino del tempo. Analisi spettrale e tempo-frequenza. Analisi dinamica e teoria del caos applicata all’EEG. Analisi entropica e tramite altri descrittori di complessità. Analisi delle Componenti Principali e Analisi delle Component Indipendenti. Common Spatial Patterns. Teoria dei grafi applicata all'EEG. Elaborazione del segnale EEG basata su reti neurali. Classificazione degli stati cerebrali tramite reti neurali. ESPERIENZE DI LABORATORIO (1 CFU) Utilizzo del Deep Learning toolbox di Matlab; Python; Neural Works Professional II / + e CAD. Progettazione di paradigmi per applicazioni EEG-based tramite EEGlab e OpenViBE. Set up dei sistemi di acquisizione dei segnali EEG. Registrazione ed elaborazione di EEG. Acquisizione dei segnali destinati allo sviluppo del progetto finale.
Testi docente	José C. Principe, Neural and Adaptive Systems: Fundamentals Through Simulations, Wiley Paul L. Nunez and Ramesh Srinivasan, Electric fields of the brain - the Neurophysics of EEG (second edition), Oxford University Press Sani-Chambers, EEG Signal Processing, IEEE- Wiley Simon Haykin, Neural Networks, IEEE Press
Erogazione tradizionale	No
Erogazione a distanza	No
Frequenza obbligatoria	No
Valutazione prova scritta	No
Valutazione prova orale	No
Valutazione test attitudinale	No
Valutazione progetto	No
Valutazione tirocinio	No
Valutazione in itinere	No
Prova pratica	No

---

Ulteriori informazioni

Modulo: Pianificazione dei sistemi wireless

Corso	Ingegneria Informatica e dei sistemi per le Telecomunicazioni
Curriculum	Curriculum unico
Orientamento	Intelligent Transportation Systems
Anno Accademico	2021/2022
Crediti	6
Settore Scientifico Disciplinare	ING-INF/03
Anno	Secondo anno
Unità temporale	Secondo semestre
Ore aula	48
Attività formativa	Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Erogazione	1000319 Pianificazione dei sistemi wireless in Ingegneria dell'Informazione L-8 ARANITI GIUSEPPE
Docente	Giuseppe ARANITI
Obiettivi	Obiettivi formativi: il principale obiettivo del corso di “Pianificazione dei Sistemi Wireless” consiste nell’introdurre gli allievi alle problematiche relative al trasporto dell’informazione attraverso il canale radiomobile e nel fornire gli strumenti metodologici necessari ad analizzare le prestazioni delle reti wireless moderne e a effettuare la pianificazione e il dimensionamento a livello di sistema Conoscenza e comprensione: a seguito del superamento dell’esame, lo studente conosce le differenti tecniche di accesso al mezzo radio e di allocazione dei canali. E' prevista anche un’attività di laboratorio che ha come scopo l’insegnamento dei principi base della pianificazione di sistemi wireless per mezzo di tool di planning che consentono: (i) la creazione di scenari reali, (ii) la pianificazione dei sistemi wireless, (iii) l’analisi prestazionale in termini di copertura, interferenza e grado di servizio offerto agli utenti. Al termine del corso l’allievo conosce: (i) i fondamenti della propagazione radio in presenza di ostacoli e i principali modelli per la previsione di coperture e per la caratterizzazione del canale radio; (ii) l'architettura ed i fondamenti della pianificazione dei sistemi wireless di nuova generazione; (iii) i principali tool di pianificazione dei di sistemi wireless presenti in commercio. Capacità di applicare conoscenze: a seguito del superamento dell’esame, lo studente è in grado di analizzare e valutare le problematiche della pianificazione delle reti wireless e di riconoscere gli approcci più innovativi che possono contribuire alla realizzazione di una rete wireless. Autonomia di giudizio: per il superamento dell'esame, lo studente dovrà sviluppare autonomia nel valutare le principali tecniche di pianificazione delle reti wireless giudicando la rispondenza di una certa soluzione ai vincoli e ai requisiti di partenza. Pertanto, lo studente è portato a sviluppare autonomia di giudizio sulla completezza e correttezza degli aspetti teorici e pratici acquisiti. Abilità comunicative: il corso e il superamento dell’esame aiutano lo studente a migliorare la propria capacità di comunicazione nell’illustrare le motivazioni e i concetti teorici alla base delle tecniche di progettazione e pianificazione delle reti wireless. Capacità di apprendimento: grazie alle conoscenze fornite durante il corso, a seguito del superamento dell’esame, lo studente è in grado di stabilire quali sono i migliori approcci per progettare e pianificare le reti wireless ed è in grado di contribuire al miglioramento delle tecniche di pianificazione esistenti. Modalità di accertamento e valutazione: Gli esami di accertamento e di valutazione consistono in una prova orale, finalizzata ad accertare la comprensione delle tecniche di progettazione e pianificazione presentate durante il corso. Al fine del superamento dell’esame con votazione minima di 18/30 è necessario che le conoscenze/competenze della materia siano almeno ad un livello elementare. È attribuito un voto compreso fra 20/30 e 24/30 quando lo studente possegga competenze più che sufficienti sui temi trattati nel corso. È attribuito un voto compreso fra 25/30 e 30/30 quando lo studente dimostri buone competenze sugli argomenti trattati nel corso. Agli studenti che abbiano acquisito competenze eccellenti su tutti gli aspetti trattati nel corso può essere attribuita la lode.
Programma	1. Il concetto di rete wireless cellulare • Introduzione al concetto di rete cellulare • Frequenza di riuso • Strategia di assegnazione del canale o Tecniche di allocazione fissa del canale (FCA) o Tecniche di allocazione dinamica del canale (DCA) o Tecniche ibride per l’allocazione del canale radio. • Strategia di Handover • Interferenza o Interferenza co-canale o Interferenza dei canali adiacenti o Controllo di potenza per ridurre l’interferenza • Trunking e grado di servizio • Tecniche per aumentare la capacità di un sistema radiomobile o Cell splitting o Settorizzazone o Concetto di copertura multistrato 2. Handover nelle reti wireless • Tipi di Handover o Procedura di inizio Handover o Procedura di decisione dell’Handover o Schemi di Handover 3. Tecniche di accesso multiplo per reti di comunicazione wireless • Accesso multiplo a divisione di frequenza (FDMA) • Accesso multiplo a divisione di tempo (TDMA) • Accesso multiplo a divisione di codice (CDMA) • OFDMA 4. Propagazione nei sistemi wireless • Modelli di propagazione a larga scala • Modelli di propagazione a piccola scala • Problematiche di path loss o Riflessione, diffrazione, scattering o Modelli di propagazione Outdoor o Modelli di Propagazione Indoor • Problematiche di fading • Problematiche di multipath 5. Pianificazione e progettazione di un sistema wirless 5G • Procedure di progettazione e pianificazione di un sistema wireless o Procedura per un nuovo sistema wireless o Procedura di migrazione da un sistema wireless preesistente • Metodologia o Valutazione del collegamento o Modelli di propagazione • Considerazioni sul progetto o Scelta del modello di propagazione o Definizione del traffico offerto o Analisi della capacità e dimensionamento delle reti wireless cellulari o Impiego dei principali tool di planning.
Testi docente	Lucidi preparati dal docente e altro materiale on line indicato.
Erogazione tradizionale	No
Erogazione a distanza	No
Frequenza obbligatoria	No
Valutazione prova scritta	No
Valutazione prova orale	No
Valutazione test attitudinale	No
Valutazione progetto	No
Valutazione tirocinio	No
Valutazione in itinere	No
Prova pratica	No

---

Ulteriori informazioni

Modulo: 5G Systems

Corso	Ingegneria Informatica e dei sistemi per le Telecomunicazioni
Curriculum	Curriculum unico
Orientamento	Intelligent Transportation Systems
Anno Accademico	2021/2022
Crediti	6
Settore Scientifico Disciplinare	ING-INF/03
Anno	Secondo anno
Unità temporale	Secondo semestre
Ore aula	48
Attività formativa	Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Docente	CLAUDIA CAMPOLO
Obiettivi	Il corso intende fornire nozioni teoriche e pratiche utili al fine di approfondire le conoscenze relative ai paradigmi, alle architetture di rete, ai protocolli della quinta generazione (5G) di sistemi cellulari, e alle evoluzioni verso i sistemi post-5G e 6G. Verranno esaminate soluzioni di networking innovative della rete Internet del futuro, es., software defined networking (SDN), network function virtualization (NFV), cloud/fog/edge computing, nuovi paradigmi di comunicazione e tecnologie cellulari emergenti (es., network slicing, New Radio) alla base dei sistemi 5G. Alcune tematiche verranno anche approfondite mediante lo studio e l’analisi di progetti, di soluzioni sul mercato, di field-trial e di articoli scientifici di riferimento e di specifiche proposte dagli enti di standardizzazione per meglio comprendere le principali sfide per la ricerca e per gli operatori del settore ICT. Successivamente, lo studente apprenderà le principali metodologie per l’analisi, la progettazione e la valutazione delle alcune soluzioni tecnologiche presentate. Infine, lo studente passerà all’utilizzo di alcune di esse tramite esercitazioni di laboratorio su piattaforme e tramite strumenti software/hardware per lo più basati su sistemi operativi di tipo open source. CONOSCENZA E COMPRENSIONE: a seguito del superamento dell’esame, lo studente conosce le principali soluzioni tecnologiche che verranno impiegate nell'ambito dei sistemi 5G ed evoluzioni verso i sistemi 6G. CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE: a seguito del superamento dell’esame, lo studente è in grado di analizzare e progettare soluzioni basate sulle tecnologie presentate durante il corso. AUTONOMIA DI GIUDIZIO: per il superamento dell'esame lo studente deve rispondere autonomamente a domande teoriche e sapere impostare campagne di misure sperimentali per l'analisi prestazionale delle tecnologie presentate ed è quindi portato a sviluppare autonomia di giudizio nel commentare in maniera critica i risultati ottenuti. ABILITA' COMUNICATIVE: il corso e l’esame aiutano lo studente a migliorare la capacità di comunicazione nell'illustrare le motivazioni teoriche e tecniche che sono alla base delle principali tecnologie 5G e post-5G. CAPACITA' DI APPRENDIMENTO: a seguito del superamento dell’esame, lo studente è in grado di apprendere in autonomia possibili evoluzioni delle tecnologie presentate durante il corso e di applicare le metodologie di valutazione apprese a nuove tecnologie e di utilizzare strumenti differenti, basati sulla stessa metodologia, per la valutazione delle prestazioni. MODALITA' DI ACCERTAMENTO E VALUTAZIONE: Gli esami di accertamento e di valutazione consistono: - in una prova progettuale, da svolgere in gruppo, volta ad accertare la capacità di analizzare il comportamento dei protocolli e delle tecnologie presentati durante il corso tramite strumenti sperimentali e di valutarne le prestazioni. - in una prova orale, finalizzata ad accertare la comprensione delle tecnologie e dei protocolli presentati durante il corso. Voto massimo 30/30. Ai fine del superamento dell’esame con votazione minima di 18/30 è necessario che le conoscenze/competenze della materia siano almeno ad un livello elementare, sia per la prova progettuale che per quella orale. E’ attribuito un voto compreso fra 20/30 e 24/30 quando lo studente sia in grado di realizzare correttamente la parte progettuale ma possegga discrete competenze nella parte teorica. E’ attribuito un voto compreso fra 25/30 e 30/30 quando lo studente sia in grado di svolgere correttamente la parte progettuale e dimostri buone competenze nella parte orale. Agli studenti che abbiano acquisito competenze eccellenti sia nella parte progettuale che in quella teorica può essere attribuita la lode.
Programma	I paradigmi di virtualizzazione di rete (10 h) - Software defined networking (SDN): principi, soluzioni e problematiche aperte - Il protocollo OpenFlow per la Southbound Interface - Network function virtualization (NFV): architettura ETSI, service chaining Le reti 5G (10 h) - Obiettivi, classi di servizio (eMBB, URLLC, mMTC), tecnologie abilitanti (New Radio, Full-duplex, millimeter-wave), architetture di rete - L'architettura 5G in 3GPP - Evoluzione dei sistemi 5G verso i sistemi 6G I paradigmi di Cloud computing per reti 5G (12 h) - Modelli di servizio NIST: IaaS, PaaS, SaaS - Mobile/Multi-access Edge Computing - Edge AI: intelligenza artificiale ed edge computing Network slicing in reti 5G (4 h) - Virtualizzazione della core network - Virtualizzazione della RAN (Cloud-RAN) - Network slicing in reti 5G: specifiche 3GPP e principali casi d’uso Tool e metodologie per l’implementazione, l’analisi e la valutazione di soluzioni per reti 5G (12 h) - Emulatori di rete (Mininet, Mininet-WiFi), Generatori di traffico (iperf), Controller SDN, Tool per la virtualizzazione (container Docker)
Testi docente	- Materiale bibliografico fornito dalla docente quando necessario.
Erogazione tradizionale	Sì
Erogazione a distanza	No
Frequenza obbligatoria	No
Valutazione prova scritta	No
Valutazione prova orale	No
Valutazione test attitudinale	No
Valutazione progetto	Sì
Valutazione tirocinio	No
Valutazione in itinere	No
Prova pratica	No

---

Ulteriori informazioni

Modulo: Tecnologie per la sicurezza informatica

Corso	Ingegneria Informatica e dei sistemi per le Telecomunicazioni
Curriculum	Curriculum unico
Orientamento	Intelligent Transportation Systems
Anno Accademico	2021/2022
Crediti	6
Settore Scientifico Disciplinare	ING-INF/05
Anno	Secondo anno
Unità temporale	Secondo semestre
Ore aula	48
Attività formativa	Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Docente	FRANCESCO ANTONIO BUCCAFURRI
Obiettivi	OBIETTIVI FORMATIVI Gli obiettivi formativi del corso, in accordo ai descrittori di Dublino, sono i seguenti: 1) Conoscenze e capacità di comprensione Conoscenza delle principali tecnologie, metodologie pratiche e relativi standard di base nel dominio della cybersecurity. 2) Utilizzazione delle conoscenze e capacità di comprensione Capacità basilare di applicare le conoscenze apprese per la verifica di sicurezza di un sistema IT o di sviluppo di soluzioni cybersecurity-aware. 3) Capacità di trarre conclusioni Capacità basilare di valutare la strategia da metter in atto per un assessment di sicurezza o per loi sviluppo di soluzioni cybersecurity-aware 4) Abilità comunicative Capacità di comunicare con adeguata competenza tecnica e con linguaggio appropriato in ambito tecnico di cybersecurity 5) Capacità di apprendere Capacità di apprendimento di nuove metodologie pratiche, tecnologie e standard nel dominio della cybersecurity.
Programma	PENETRATION TESTING Information gathering Vulnerability analysis Exploitation Report Framework e Tool per il PEN-test (tutte le sue fasi) Standard per il Pen-Test Fase di pre-engagement Alcune operazioni e tool basilari: Network Mapping, Enumeration di Port e Service, Analisi del traffico, Enumeration del Web content, tool per Vulnerability analysis, Repository internazionali per le vulnerabilità, vulnerabilità e exploit 0-day. Exploitation: a. SQL-injection e XSS b. Buffer Overflow c. Dos e DDos d. Tool per l’exploitation e Contromisure Post Exploitation Reporting Aspetti Legali Esercitazioni pratiche su pen test viste a lezione INCIDENT RESPONSE E DIGITAL FORENSICS Definizioni e metodologie Standard e best practice per l’Incident Response (ISO/IEC 27035:-key stages) Metodologie per l’IR Digital Forensics a. Identificazione b. Raccolta c. Acquisizione d. Conservazione e. Analisi e Interpretazione Requisiti del Metodo forense Tool per l’acquisizione e per l’analisi e laboratorio Aspetti legali DNS E PROBLEMI DI SICUREZZA DNS poisoning Domain Fluxing a. DGA b. DGA-based malware c. Detection IP-Fluxing a. Round-Robin DNS b. Content Distribution/Delivery Networks c. Detection Domain Squatting a. Typosquatting b. Combosquatting MALWARE Tipi di malware Botnet Malware polimorfici e metamorfici Obfuscation Threat Intelligence Sandbox Analysis Static Analysis Dynamic Analysis TECNOLOGIA BLOCKCHAIN ETHEREUM DLT - Blockchain BitCoin - PoW, Funzione di Transizione di Stato Ethereum a. Concetti Base, b. Transazioni c. Messaggi d. EOA e. Smart Contracts f. Mining g. GHOST h. Funzione di Transizione di Stato i. Token l. Oracoli Implementazione a. Tool e Framework b. Solidity c. Eventi d. Funzioni Attacchi, Vulnerabilità e Sicurezza Soft Fork/Hard Fork, Verso Serenity : PoS, Casper
Testi docente	Dipense e slide fornite durante il corso. Standard e best practice di cybersecurity.
Erogazione tradizionale	Sì
Erogazione a distanza	No
Frequenza obbligatoria	No
Valutazione prova scritta	No
Valutazione prova orale	Sì
Valutazione test attitudinale	No
Valutazione progetto	Sì
Valutazione tirocinio	No
Valutazione in itinere	No
Prova pratica	No

Docente	Lorenzo MUSARELLA
Obiettivi	OBIETTIVI FORMATIVI Gli obiettivi formativi del corso, in accordo ai descrittori di Dublino, sono i seguenti: 1) Conoscenze e capacità di comprensione Conoscenza delle principali tecnologie, metodologie pratiche e relativi standard di base nel dominio della cybersecurity. 2) Utilizzazione delle conoscenze e capacità di comprensione Capacità basilare di applicare le conoscenze apprese per la verifica di sicurezza di un sistema IT o di sviluppo di soluzioni cybersecurity-aware. 3) Capacità di trarre conclusioni Capacità basilare di valutare la strategia da metter in atto per un assessment di sicurezza o per loi sviluppo di soluzioni cybersecurity-aware 4) Abilità comunicative Capacità di comunicare con adeguata competenza tecnica e con linguaggio appropriato in ambito tecnico di cybersecurity 5) Capacità di apprendere Capacità di apprendimento di nuove metodologie pratiche, tecnologie e standard nel dominio della cybersecurity.
Programma	PENETRATION TESTING Information gathering Vulnerability analysis Exploitation Report Framework e Tool per il PEN-test (tutte le sue fasi) Standard per il Pen-Test Fase di pre-engagement Alcune operazioni e tool basilari: Network Mapping, Enumeration di Port e Service, Analisi del traffico, Enumeration del Web content, tool per Vulnerability analysis, Repository internazionali per le vulnerabilità, vulnerabilità e exploit 0-day. Exploitation: a. SQL-injection e XSS b. Buffer Overflow c. Dos e DDos d. Tool per l’exploitation e Contromisure Post Exploitation Reporting Aspetti Legali Esercitazioni pratiche su pen test viste a lezione INCIDENT RESPONSE E DIGITAL FORENSICS Definizioni e metodologie Standard e best practice per l’Incident Response (ISO/IEC 27035:-key stages) Metodologie per l’IR Digital Forensics a. Identificazione b. Raccolta c. Acquisizione d. Conservazione e. Analisi e Interpretazione Requisiti del Metodo forense Tool per l’acquisizione e per l’analisi e laboratorio Aspetti legali DNS E PROBLEMI DI SICUREZZA DNS poisoning Domain Fluxing a. DGA b. DGA-based malware c. Detection IP-Fluxing a. Round-Robin DNS b. Content Distribution/Delivery Networks c. Detection Domain Squatting a. Typosquatting b. Combosquatting MALWARE Tipi di malware Botnet Malware polimorfici e metamorfici Obfuscation Threat Intelligence Sandbox Analysis Static Analysis Dynamic Analysis TECNOLOGIA BLOCKCHAIN ETHEREUM DLT - Blockchain BitCoin - PoW, Funzione di Transizione di Stato Ethereum a. Concetti Base, b. Transazioni c. Messaggi d. EOA e. Smart Contracts f. Mining g. GHOST h. Funzione di Transizione di Stato i. Token l. Oracoli Implementazione a. Tool e Framework b. Solidity c. Eventi d. Funzioni Attacchi, Vulnerabilità e Sicurezza Soft Fork/Hard Fork, Verso Serenity : PoS, Casper IPFS, web3, Hyperledger Fabric
Testi docente	Dipense e slide fornite durante il corso. Standard e best practice di cybersecurity.
Erogazione tradizionale	Sì
Erogazione a distanza	No
Frequenza obbligatoria	No
Valutazione prova scritta	No
Valutazione prova orale	Sì
Valutazione test attitudinale	No
Valutazione progetto	Sì
Valutazione tirocinio	No
Valutazione in itinere	No
Prova pratica	No

Docente	VINCENZO CALABRO'
Obiettivi	OBIETTIVI FORMATIVI Gli obiettivi formativi del corso, in accordo ai descrittori di Dublino, sono i seguenti: 1) Conoscenze e capacità di comprensione Conoscenza delle principali tecnologie, metodologie pratiche e relativi standard di base nel dominio della cybersecurity. 2) Utilizzazione delle conoscenze e capacità di comprensione Capacità basilare di applicare le conoscenze apprese per la verifica di sicurezza di un sistema IT o di sviluppo di soluzioni cybersecurity-aware. 3) Capacità di trarre conclusioni Capacità basilare di valutare la strategia da metter in atto per un assessment di sicurezza o per loi sviluppo di soluzioni cybersecurity-aware 4) Abilità comunicative Capacità di comunicare con adeguata competenza tecnica e con linguaggio appropriato in ambito tecnico di cybersecurity 5) Capacità di apprendere Capacità di apprendimento di nuove metodologie pratiche, tecnologie e standard nel dominio della cybersecurity.
Programma	N.D.
Testi docente	N.D.
Erogazione tradizionale	No
Erogazione a distanza	No
Frequenza obbligatoria	No
Valutazione prova scritta	No
Valutazione prova orale	No
Valutazione test attitudinale	No
Valutazione progetto	No
Valutazione tirocinio	No
Valutazione in itinere	No
Prova pratica	No

---

Ulteriori informazioni

Modulo: Verifica e validazione del software

Corso	Ingegneria Informatica e dei sistemi per le Telecomunicazioni
Curriculum	Curriculum unico
Orientamento	Intelligent Transportation Systems
Anno Accademico	2021/2022
Crediti	6
Settore Scientifico Disciplinare	ING-INF/05
Anno	Secondo anno
Unità temporale	Secondo semestre
Ore aula	48
Attività formativa	Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Docente	Paolo Russo
Obiettivi	Il voto finale sarà determinato attraverso una valutazione complessiva delle due prove. Il voto finale sarà attribuito secondo il seguente criterio di valutazione: 30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti; 24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti; 20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite; Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il corso.
Programma	N.D.
Testi docente	N.D.
Erogazione tradizionale	No
Erogazione a distanza	No
Frequenza obbligatoria	No
Valutazione prova scritta	No
Valutazione prova orale	No
Valutazione test attitudinale	No
Valutazione progetto	No
Valutazione tirocinio	No
Valutazione in itinere	No
Prova pratica	No

Docente	Lorenzo MUSARELLA
Obiettivi	Il voto finale sarà determinato attraverso una valutazione complessiva delle due prove. Il voto finale sarà attribuito secondo il seguente criterio di valutazione: 30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti; 24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti; 20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite; Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il corso.
Programma	Bruteforce, SQLI Union Based, SQLI Error Based, SQLI BLIND time based, SQLI BLIND boolean Based. Introduzione a DOCKER, burpsuite, sqlmap, OS Command Injection, Unrestricted File Upload, Reflected Cross Site Scripting, Stored Cross Site Scripting, DOM Based Cross Site Scripting. File Inclusion, Session Issues, Insecure Direct Object Reference, Missing Functional Level Access Control. XXE, Server Side Template Injection, Content Security Policy, Insecure deserialization. Dependability, Risk management, V-model, V&V, Testing white box, testing black box, Data Quality e data management.
Testi docente	Penetration Testing: Hands-on Introduction to Hacking (Georgia Weidman) The Web Application Hacker's Handbook (Stuttard and Pinto)
Erogazione tradizionale	Sì
Erogazione a distanza	No
Frequenza obbligatoria	No
Valutazione prova scritta	No
Valutazione prova orale	Sì
Valutazione test attitudinale	No
Valutazione progetto	No
Valutazione tirocinio	No
Valutazione in itinere	No
Prova pratica	Sì

---

Ulteriori informazioni

Modulo: Calcolo numerico

Corso	Ingegneria Informatica e dei sistemi per le Telecomunicazioni
Curriculum	Curriculum unico
Orientamento	Intelligent Transportation Systems
Anno Accademico	2021/2022
Crediti	6
Settore Scientifico Disciplinare	MAT/08
Anno	Secondo anno
Unità temporale	Secondo semestre
Ore aula	48
Attività formativa	Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Erogazione	1001186 CALCOLO NUMERICO in Ingegneria informatica, elettronica e delle telecomunicazioni L-8 COTRONEI MARIANTONIA
Docente	Mariantonia COTRONEI
Obiettivi	N.D.
Programma	ARITMETICA FLOATING-POINT E ANALISI DEGLI ERRORI Rappresentazione dei numeri in un calcolatore. Precisione numerica. Aritmetica floatingpoint. Errori e loro propagazione. Condizionamento di un problema matematico. Stabilità di un algoritmo. SISTEMI DI EQUAZIONI LINEARI Richiami di calcolo matriciale. Analisi di stabilità per sistemi lineari. Numero di condizionamento di una matrice. Metodi diretti. Risoluzione di sistemi triangolari. Metodo di eliminazione di Gauss. Pivoting. Fattorizzazione LU. Metodi iterativi. Matrice di iterazione. Convergenza e rapidità di convergenza. Criteri d'arresto. Metodo di Richardson e del gradiente. APPROSSIMAZIONE DI FUNZIONI E DI DATI Interpolazione polinomiale. Polinomio interpolatore nella forma di Lagrange. Interpolazione trigonometrica e FFT. Effetto Runge. Interpolazione con funzioni spline. Spline lineari e cubiche. Approssimazione nel senso dei minimi quadrati. Sistemi sovradeterminati. OTTIMIZZAZIONE NUMERICA Ottimizzazione non vincolata. Metodi per funzioni monodimensionali: bisezione, Newton, di ricerca dicotomica, sezione aurea, interpolazione parabolica. Metodi di discesa: gradiente, Newton, quasi-Newton, gradiente coniugato. Cenni su metodi di ottimizzazione vincolata. INTRODUZIONE AL MATLAB Ambiente di calcolo scientifico Matlab: comandi principali, matrici, funzioni matematiche. Istruzioni per la grafica. Progettazione e sviluppo dei programmi. Implementazione di metodi numerici e analisi/validazione dei risultati su problemi test.
Testi docente	A. Quarteroni, F. Saleri, P. Gervasio. Calcolo Scientifico. Esercizi e problemi risolti con MATLAB e Octave, Springer.
Erogazione tradizionale	No
Erogazione a distanza	No
Frequenza obbligatoria	No
Valutazione prova scritta	No
Valutazione prova orale	No
Valutazione test attitudinale	No
Valutazione progetto	No
Valutazione tirocinio	No
Valutazione in itinere	No
Prova pratica	No

---

Ulteriori informazioni