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

Colaborei no projecto Europeu GORDA, cujo objectivo era fomentar a utilização de replicação de base de dado como forma de resolver os desafios encontrados nos sistemas de base de dados actuais. O meu trabalho foi de dotar o projecto com uma consola gráfica de monitorização e gestão utilizando JMX.

Também estive envolvida no projecto P-SON, em particular no desenvolvimento de aplicações para o protocolo de disseminação epidémica NeEM. Neste contexto, trabalhei numa arquitectura de caching e disseminação de feeds RSS que utiliza redes P2P para este fim e, posteriormente, numa arquitectura genérica content-push baseada em feeds Web e serviços e redes sociais, no qual se baseou a minha dissertação de Mestrado. Também trabalhei num protocolo e disseminação epidémica que tira partido dos interesses partilhados dos participantes sem chegar a revelá-los.

No contexto do meu Doutoramento, o meu trabalho focou-se na forma de aproximar as aplicações tradicionais centradas numa base de dados e as promessas de alta disponibilidade.

Actualmente, faço parte do projecto europeu CloudDBAppliance e tenho estado, também, a colaborar com o CPES no contexto dos projectos europeus UPGRID e InteGrid.

Tópicos
de interesse
Detalhes

Detalhes

  • Nome

    Ana Nunes Alonso
  • Cluster

    Informática
  • Cargo

    Investigador Auxiliar
  • Desde

    01 fevereiro 2012
006
Publicações

2023

Privacy-Preserving Machine Learning in Life Insurance Risk Prediction

Autores
Pereira, K; Vinagre, J; Alonso, AN; Coelho, F; Carvalho, M;

Publicação
Machine Learning and Principles and Practice of Knowledge Discovery in Databases

Abstract

2023

Privacy-Preserving Machine Learning in Life Insurance Risk Prediction

Autores
Pereira, K; Vinagre, J; Alonso, AN; Coelho, F; Carvalho, M;

Publicação
MACHINE LEARNING AND PRINCIPLES AND PRACTICE OF KNOWLEDGE DISCOVERY IN DATABASES, ECML PKDD 2022, PT II

Abstract
The application of machine learning to insurance risk prediction requires learning from sensitive data. This raises multiple ethical and legal issues. One of the most relevant ones is privacy. However, privacy-preserving methods can potentially hinder the predictive potential of machine learning models. In this paper, we present preliminary experiments with life insurance data using two privacy-preserving techniques: discretization and encryption. Our objective with this work is to assess the impact of such privacy preservation techniques in the accuracy of ML models. We instantiate the problem in three general, but plausible Use Cases involving the prediction of insurance claims within a 1-year horizon. Our preliminary experiments suggest that discretization and encryption have negligible impact in the accuracy of ML models.

2022

A Blockchain-based Data Market for Renewable Energy Forecasts

Autores
Coelho, F; Silva, F; Goncalves, C; Bessa, R; Alonso, A;

Publicação
2022 FOURTH INTERNATIONAL CONFERENCE ON BLOCKCHAIN COMPUTING AND APPLICATIONS (BCCA)

Abstract

2022

Flexible Fine-grained Data Access Management for Hyperledger Fabric

Autores
Parente, J; Alonso, AN; Coelho, F; Vinagre, J; Bastos, P;

Publicação
2022 FOURTH INTERNATIONAL CONFERENCE ON BLOCKCHAIN COMPUTING AND APPLICATIONS (BCCA)

Abstract

2021

Towards Generic Fine-Grained Transaction Isolation in Polystores

Autores
Faria, N; Pereira, J; Alonso, AN; Vilaça, R;

Publicação
Heterogeneous Data Management, Polystores, and Analytics for Healthcare - VLDB Workshops, Poly 2021 and DMAH 2021, Virtual Event, August 20, 2021, Revised Selected Papers

Abstract
Transactional isolation is a challenge for polystores, as along with the limited capabilities of each datastore, we have to contend with their sheer diversity. However, transactional isolation is increasingly desirable as a variety of datastores are being sought after for roles that go beyond data lakes. Transactional guarantees are also relevant for reliability at scale. In this paper, we propose that transactional isolation in polystores can be achieved by leveraging the query engine, i.e., basing some of the responsibilities of a traditional transactional storage manager (TSM) on the query language itself. This has the key advantage of greatly simplifying design and implementation, as it doesn’t need to be re-invented for each datastore, and should increase performance, by taking advantage of dynamic query optimization where available. We demonstrate the feasibility of the proposal with a simple proof-of-concept and experiment. © 2021, Springer Nature Switzerland AG.

Teses
supervisionadas

2022

A toolkit for approximate consensus

Autor
Eduardo Lourenço da Conceição

Instituição
UM

2022

Interpretação e execução de SQL sobre ficheiros

Autor
Bruno Filipe de Sousa Dias

Instituição
UM

2022

DriftWood: Consenso descentralizado

Autor
André da Silva Gonçalves

Instituição
UM

2022

Gestão de permissões e acesso a dados para Hyperledger Fabric

Autor
João Pedro Araújo Parente

Instituição
UM

2021

Acordo Distribuído Aproximado

Autor
Joaquim Manuel Gonçalves Oliveira

Instituição
UM