Cookies
O website necessita de alguns cookies e outros recursos semelhantes para funcionar. Caso o permita, o INESC TEC irá utilizar cookies para recolher dados sobre as suas visitas, contribuindo, assim, para estatísticas agregadas que permitem melhorar o nosso serviço. Ver mais
Aceitar Rejeitar
  • Menu
    Sobre

    Sobre

    Sou professor associado do Departamento de Ciência de Computadores da Faculdade de Ciências da Universidade do Porto e coordenador do LIAAD, Laboratório de Inteligência Artificial e de Apoio à Decisão da UP. O LIAAD é um cenrto do INESC TEC desde 2007. Sou doutor em Ciência da Computação pela U. Porto, MSc. em Fundamentos de Tecnologia de Informação Avançada pelo Imperial College e Lic. Em Matemática Aplicada ramo Ciência de Computadores (U. Porto). Os meus interesses de investigação são Extração de Conhecimento (Data Mining) e Aprendizagem Automática (Machine Learning), em particular regras de associação, text mining e sistemas de recomendação. A minha investigação anterior inclui programação em lógica indutiva e data miing colaborativo. Eu leciono cursos relacionados com programação, processamento de informação, data mining e outras áreas da computação. Enquanto na Faculdade de Economia, onde permaneci de 1996 a 2009, lancei, com outros colegas, o mestrado em Análise de Dados e Sistemas de Apoio à Decisão (MADSAD), que coordenei de 2000 a Abril de 2008. Dirijo projetos em data mining e inteligência na web. Fui diretor do Mestrado em Ciência dos Computadores no DCC-FCUP de junho de 2010 a agosto de 2013. Co-organizei conferências internacionais (ECML / PKD 2015, Discovery Science 2009, ECML / PKDD 05 e EPIA 01), workshops e seminários em data mining e inteligência artificial. Fui Vice-Presidente da APPIA Associação Portuguesa para a Inteligência Artificial.

    Tópicos
    de interesse
    Explore tópicos de interesse
    Detalhes

    Detalhes

    • Nome

      Alípio Jorge

    • Cargo

      Coordenador de Centro

    • Desde

      01 janeiro 2008
    027
    Publicações
    Ler todas as publicações

    2026

    Resilience Under Attack: Benchmarking Optimizers Against Poisoning in Federated Learning for Image Classification Using CNN

    Autores
    Biadgligne, Y; Baghoussi, Y; Li, K; Jorge, A;

    Publicação
    ADVANCES IN COMPUTATIONAL INTELLIGENCE, IWANN 2025, PT I

    Abstract
    Federated Learning (FL) enables decentralized model training while preserving data privacy but remains susceptible to poisoning attacks. Malicious clients can manipulate local data or model updates, threatening FL's reliability, especially in privacy-sensitive domains like healthcare and finance. While client-side optimization algorithms play a crucial role in training local models, their resilience to such attacks is underexplored. This study empirically evaluates the robustness of three widely used optimization algorithms: SGD, Adam, and RMSProp-against label-flipping attacks (LFAs) in image classification tasks using Convolutional Neural Networks (CNNs). Through 900 individual runs in both federated and centralized learning (CL) settings, we analyze their performance under Independent and Identically Distributed (IID) and Non-IID data distributions. Results reveal that SGD is the most resilient, achieving the highest accuracy in 87% of cases, while Adam performs best in 13%. Additionally, centralized models outperform FL on CIFAR-10, whereas FL excels on Fashion-MNIST, highlighting the impact of dataset characteristics on adversarial robustness.

    FecharLer Abstract

    2026

    Machine Learning and Knowledge Discovery in Databases. Applied Data Science Track - European Conference, ECML PKDD 2025, Porto, Portugal, September 15-19, 2025, Proceedings, Part IX

    Autores
    Dutra, I; Pechenizkiy, M; Cortez, P; Pashami, S; Jorge, AM; Soares, C; Abreu, PH; Gama, J;

    Publicação
    ECML/PKDD (9)

    Abstract

    2026

    Machine Learning and Knowledge Discovery in Databases. Research Track and Applied Data Science Track - European Conference, ECML PKDD 2025, Porto, Portugal, September 15-19, 2025, Proceedings, Part VIII

    Autores
    Pfahringer, B; Japkowicz, N; Larrañaga, P; Ribeiro, RP; Dutra, I; Pechenizkiy, M; Cortez, P; Pashami, S; Jorge, AM; Soares, C; Abreu, PH; Gama, J;

    Publicação
    ECML/PKDD (8)

    Abstract

    2026

    Machine Learning and Knowledge Discovery in Databases. Applied Data Science Track and Demo Track - European Conference, ECML PKDD 2025, Porto, Portugal, September 15-19, 2025, Proceedings, Part X

    Autores
    Dutra, I; Pechenizkiy, M; Cortez, P; Pashami, S; Pasquali, A; Moniz, N; Jorge, AM; Soares, C; Abreu, PH; Gama, J;

    Publicação
    ECML/PKDD (10)

    Abstract

    2026

    Machine Learning and Knowledge Discovery in Databases. Research Track - European Conference, ECML PKDD 2025, Porto, Portugal, September 15-19, 2025, Proceedings, Part VII

    Autores
    Ribeiro, RP; Pfahringer, B; Japkowicz, N; Larrañaga, P; Jorge, AM; Soares, C; Abreu, PH; Gama, J;

    Publicação
    ECML/PKDD (7)

    Abstract