BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//ISISLab - ECPv6.3.3//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:ISISLab
X-ORIGINAL-URL:https://www.isislab.it
X-WR-CALDESC:Eventi per ISISLab
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Rome
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Rome:20260515T163000
DTEND;TZID=Europe/Rome:20260515T173000
DTSTAMP:20260915T012004
CREATED:20260511T151254Z
LAST-MODIFIED:20260511T151315Z
UID:51117-1778862600-1778866200@www.isislab.it
SUMMARY:Seminario: "Monitoring Chatbot: Infrastructure as Code e GitOps per il Deployment di una Piattaforma Agentica Cloud-Native in Ambienti Enterprise" di Anna Chiara Esposito
DESCRIPTION:Abstract: Questo lavoro descrive gli aspetti infrastrutturali e DevOps di Monitoring Chatbot\, una piattaforma cloud-native a microservizi orientata al troubleshooting\, monitoring e gestione operativa in contesti IT complessi. L’architettura adotta Kubernetes come orchestratore e integra connettori disaccoppiati per l’estensione a nuove sorgenti dati\, pipeline di ingestion distribuite su Apache Kafka e un layer RAG per la knowledge integration. L’elaborato approfondisce in particolare l’adozione di Infrastructure as Code con Terraform e paradigmi GitOps per automatizzare provisioning\, deployment e observability\, garantendo riproducibilità e tracciabilità dell’intera infrastruttura. Il sistema è progettato per supportare deployment sia cloud sia on-premise\, assicurando cloud agnosticism e data sovereignty. Il lavoro evidenzia come l’integrazione di architetture cloud-native\, IaC e modelli agentici basati su LangChain possa abilitare piattaforme AI enterprise scalabili\, osservabili e indipendenti dal provider infrastrutturale.​​​​​​​​​​​​​​​​
URL:https://www.isislab.it/event/seminario-monitoring-chatbot-infrastructure-as-code-e-gitops-per-il-deployment-di-una-piattaforma-agentica-cloud-native-in-ambienti-enterprise-di-anna-chiara-esposito/
CATEGORIES:Seminari
ATTACH;FMTTYPE=image/png:https://www.isislab.it/wp-content/uploads/2026/05/seminario-15-04-2026-.png
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Rome:20260527T110000
DTEND;TZID=Europe/Rome:20260527T120000
DTSTAMP:20260915T012004
CREATED:20260521T112016Z
LAST-MODIFIED:20260521T112017Z
UID:51145-1779879600-1779883200@www.isislab.it
SUMMARY:Seminario: "Un'architettura multi-agente per l'IA affidabile in sanità" di Giorgio Zazzerini
DESCRIPTION:Abstract: I LLM stanno dimostrando grandi capacità nell'automazione di compiti complessi nel mondo sanitario\, tuttavia la loro natura intrinseca di "black box" è incompatibile con la rigidità e privacy clinica. Per superare questi limiti viene presentato un progetto con un sistema multi-agente deterministico orientato alla Trustworthy AI.
URL:https://www.isislab.it/event/seminario-unarchitettura-multi-agente-per-lia-affidabile-in-sanita-di-giorgio-zazzerini/
CATEGORIES:Seminari
ATTACH;FMTTYPE=image/png:https://www.isislab.it/wp-content/uploads/2026/05/Seminario-27-05-2026.png
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Rome:20260619T150000
DTEND;TZID=Europe/Rome:20260619T160000
DTSTAMP:20260915T012004
CREATED:20260616T140916Z
LAST-MODIFIED:20260616T140926Z
UID:51151-1781881200-1781884800@www.isislab.it
SUMMARY:Seminario: "Affective Computing: Video-feature-extraction" di Domenico Di Caprio e Marco Battaglia
DESCRIPTION:Abstract:Il presente lavoro descrive la progettazione e lo sviluppo di una pipeline software per l'Affective Computing\, orientata all'estrazione quantitativa e all'analisi automatizzata delle espressioni facciali a partire da flussi video grezzi. L'architettura si articola su un flusso sequenziale a quattro stadi che integra modelli di Deep Learning (RetinaFace\, MobileFaceNet e XGBoost) ed ecosistemi open-source come Py-Feat per eseguire Face Detection\, Landmark Tracking e calcolo delle Action Units (AU) in conformità al Facial Action Coding System (FACS). L'elaborato approfondisce in particolare la fase di ingegneria del dato visivo e stabilizzazione del segnale\, implementando tecniche di smoothing tramite medie mobili e meccanismi di memoria di stato per mitigare il rumore algoritmico e l'instabilità temporale dei micro-movimenti facciali. Il sistema elabora infine le dinamiche di attivazione per classificare sette emozioni discrete\, restituendo i risultati in formati strutturati e interoperabili (JSON ed Excel) pronti per analisi statistiche avanzate. Il lavoro evidenzia come questo approccio multi-task superi in accuratezza le tradizionali soluzioni di sola detection\, offrendo una base sperimentale robusta e scalabile che apre la strada a futuri sviluppi nell'analisi comportamentale multimodale in tempo reale.
URL:https://www.isislab.it/event/seminario-affective-computing-video-feature-extraction-di-domenico-di-caprio-e-marco-battaglia/
CATEGORIES:Evento
ATTACH;FMTTYPE=image/png:https://www.isislab.it/wp-content/uploads/2026/06/Seminario-19-06-2026.png
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Rome:20260626T150000
DTEND;TZID=Europe/Rome:20260626T160000
DTSTAMP:20260915T012004
CREATED:20260623T093929Z
LAST-MODIFIED:20260623T093931Z
UID:51157-1782486000-1782489600@www.isislab.it
SUMMARY:Seminar: "Denoising Diffusion for Hypergraph Generation" by Valerio Di Pasquale
DESCRIPTION:Abstract:Hypergraphs make it possible to model higher-order relationships that standard graphs are unable to express. However\, producing realistic hypergraphs is still difficult\, since current approaches often depend on predefined structural constraints or fail to capture the intertwined dependencies between nodes and hyperedges. We present Janus\, a latent diffusion-based framework that partitions an observed hypergraph into sub-hypergraphs\, learns joint latent representations of nodes and hyperedges using a dual-view β-VAE\, and synthesizes new hypergraph structures through paired latent diffusion guided by cross-view conditioning. The framework can perform both unconstrained generation and generation conditioned on a given node set. We further propose an evaluation protocol that assesses interactions at micro\, meso\, and macro levels\, together with structural reconstruction and higher-order similarity metrics. Experiments on five real-world datasets against nine baselines show that Janus delivers the most consistent performance across structural scales\, achieving notable improvements in meso-scale and higher-order fidelity. Under node-set constraints\, it also consistently attains the strongest reconstruction performance.
URL:https://www.isislab.it/event/seminar-denoising-diffusion-for-hypergraph-generation-by-valerio-di-pasquale/
CATEGORIES:Evento
ATTACH;FMTTYPE=image/png:https://www.isislab.it/wp-content/uploads/2026/06/Seminar-26-06-2026.png
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Rome:20260703T103000
DTEND;TZID=Europe/Rome:20260703T113000
DTSTAMP:20260915T012004
CREATED:20260630T110953Z
LAST-MODIFIED:20260630T111016Z
UID:51162-1783074600-1783078200@www.isislab.it
SUMMARY:Seminar: "How Fair is FAIR? Understanding LOD Cloud FAIRness Through Correlation Patterns" by Gabriele Tuozzo
DESCRIPTION:Abstract:While the FAIR principles (Findability\, Accessibility\, Interoperability\, and Reusability) and data quality dimensions are widely used to evaluate Linked Data\, their interdependencies remain largely unexplored. This paper is grounded on a systematic integration of these two frameworks by mapping data quality dimensions to FAIR sub-principles\, revealing how individual features—such as endpoint availability\, metadata richness\, or use of standard vocabularies—can simultaneously contribute to multiple FAIR goals. Building on this mapping\, this paper reports a large-scale\, data-driven\, longitudinal study of 1\,445 datasets from the LOD Cloud extending KGHeartBeat\, an open-source quality assessment framework. This paper quantifies FAIRness at the sub-principle level and computes correlation patterns across five temporal snapshots and nine topical domains. The reported findings reveal that most correlations are positive and statistically significant but vary across time and domain\, with only a few stable or persistent relationships. Strong inter-principle correlations (such as those linking metadata standards and security transparency) emerge over time\, while intra-principle coherence is often weak. These insights offer concrete guidance for improving FAIR compliance\, highlight the importance of domain-aware evaluation\, and support the development of more holistic and reproducible FAIR assessment strategies for Linked Data ecosystems.
URL:https://www.isislab.it/event/seminar-how-fair-is-fair-understanding-lod-cloud-fairness-through-correlation-patterns-by-gabriele-tuozzo/
LOCATION:Laboratorio ISISLab\, Dipartimento di Informatica\, Università di Salerno (Edificio F\, Stecca 7\, Lab. 10\, II piano) – Via Giovanni Paolo II\, 132\, 84084 Fisciano (SA)
CATEGORIES:Evento,Seminari
ATTACH;FMTTYPE=image/png:https://www.isislab.it/wp-content/uploads/2026/06/Seminar-30-07-2026.png
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Rome:20260715T000000
DTEND;TZID=Europe/Rome:20260715T130000
DTSTAMP:20260915T012004
CREATED:20260713T121050Z
LAST-MODIFIED:20260713T121051Z
UID:51172-1784073600-1784120400@www.isislab.it
SUMMARY:Seminario: "Presentazione dei lavori di tesi" di Davide Numelli\, Antonio Pappalardo e Domenico Di Caprio
DESCRIPTION:1) "Digital Forensics e Threat Intelligence in ambienti cloud" di Davide Numelli \n\n\n\nAbstract:La memoria volatile di un sistema compromesso conserva i processi in esecuzione\, le connessioni di rete aperte\, le credenziali caricate e il codice che un attaccante ha iniettato senza mai scriverlo su disco: è l’evidenza più ricca di un’indagine e\, insieme\, la più fragile\, perché ogni istante è di esecuzione ne modifica il contenuto e lo spegnimento della macchina lo distrugge. Negli ambienti cloud il problema cambia natura: la macchina da esaminare e una macchina virtuale che vive sull’ hypervisor di un provider\, non esiste un reperto da sequestrare. Acquisire la memoria dall’interno del guest e una strada debole\, perché l’agente di acquisizione altera lo stato che ´dovrebbe fotografare e dipende dagli strumenti di un sistema che\, per ipotesi\, e sotto il controllo dell’attaccante. Questa tesi presenta ForensicNova\, un’estensione di OpenStack per l’acquisizione e l’analisi forense della RAM di macchine virtuali compromesse. La memoria del guest è letta a livello di hypervisor\, out-of-band\, tramite le primitive di dump di libvirt\, senza installare ne eseguire alcunché nel guest: un write-blocker naturale. Le impronte crittografiche (MD5 e SHA-1) sono ´calcolate prima di ogni trasferimento\, l’evidenza e archiviata in Swift con verifica end-to-end e ogni stadio alimenta una chain of custody legata all’identità dell’analista\, fino a un report PDF `predisposto per la firma. Un backend dedicato esegue Volatility 3 secondo preset di profondità crescente\, ne estrae gli indicatori di compromissione (IOC) filtrando il rumore\, li correla con un’istanza MISP e sintetizza l’esito in un punteggio di rischio deterministico (verde\, giallo\, rosso)\, con l’attribuzione a strumenti\, attori e tecniche MITRE ATT&CK. La pipeline soddisfa i principi di NIST SP 800-86\, ISO/IEC 27037 e ISO/IEC 27042.Il sistema è validato sperimentalmente con una cyber kill chain realistica riprodotta in laboratorio su un guest Windows Server 2022\, attraverso quattro scenari ottenuti da una macchina prima pulita e poi compromessa\, con la stessa immagine infetta sottoposta ad analisi di profondità crescente. Gli esiti scalano dal verde della baseline al giallo di un triage fast con un feed pubblico\, al rosso determinato dal solo segnale comportamentale e al rosso con attribuzione in presenza di un’intelligence più ricca. La campagna riscontra sul campo la soundness dell’acquisizione e la sensibilità del rilevamento\, mostrando come\, a parità di dump\, il giudizio segua la profondità dell’analisi e la qualità dell’intelligence disponibile. \n\n\n\n2) "Architettura a Microfrontend per lo sviluppo di una Web Application basata sui servizi di Google Cloud" di Antonio Pappalardo \n\n\n\nAbstract:Il successo dell’architettura a microservizi e i numerosi vantaggi ad essa associati hanno favorito la nascita di nuovi paradigmi architetturali ispirati agli stessi principi\, estendendone l’applicazione anche al livello frontend. Tra questi\, uno dei più rilevanti è rappresentato dai Micro Frontend\, approccio che consente di suddividere un’applicazione in moduli indipendenti\, migliorandone la scalabilità\, la manutenibilità e l’organizzazione dello sviluppo. L’obiettivo di questo lavoro è la progettazione e la realizzazione di un’applicazione web per la gestione di un istituto scolastico basata su un’architettura a Micro Frontend. Il sistema è stato sviluppato all’interno di una monorepository gestita mediante Nx e Webpack Module Federation\, adottando Angular come framework per la realizzazione dei singoli Micro Frontend. Per la gestione dei servizi cloud sono state impiegate le tecnologie offerte da Google Cloud\, in particolare Firebase Authentication per l’autenticazione degli utenti\, Cloud Firestore per la persistenza dei dati e Firebase Hosting per il deployment dell’applicazione. L’architettura realizzata soddisfa i principali requisiti di modularità\, disaccoppiamento e distribuibilità\, consentendo lo sviluppo e il rilascio indipendente dei diversi moduli applicativi. Tra i possibili sviluppi futuri si prevede l’introduzione di un ulteriore MicroFrontend dedicato alla gestione e alla fruizione di videolezioni erogate dai docenti\, ampliando così le funzionalità offerte dalla piattaforma. \n\n\n\n3) "Affective Computing: Video-feature-extraction" di Domenico Di CaprioAbstract:Il presente lavoro descrive la progettazione e lo sviluppo di una pipeline software per l'Affective Computing\, orientata all'estrazione quantitativa e all'analisi automatizzata delle espressioni facciali a partire da flussi video grezzi. L'architettura si articola su un flusso sequenziale a quattro stadi che integra modelli di Deep Learning (RetinaFace\, MobileFaceNet e XGBoost) ed ecosistemi open-sourcecome Py-Feat per eseguire Face Detection\, Landmark Tracking e calcolo delle Action Units (AU) in conformità al Facial Action Coding System (FACS). L'elaborato approfondisce in particolare la fase di ingegneria del dato visivo e stabilizzazione del segnale\, implementando tecniche di smoothing tramite medie mobili e meccanismi di memoria di stato per mitigare il rumore algoritmico e l'instabilità temporale dei micro-movimenti facciali. Il sistema elabora infine le dinamiche di attivazione per classificare sette emozioni discrete\, restituendo i risultati in formati strutturati e interoperabili (JSONed Excel) pronti per analisi statistiche avanzate. Il lavoro evidenzia come questo approccio multi-task superi in accuratezza le tradizionali soluzioni di sola detection\, offrendo una base sperimentale robusta e scalabile che apre la strada a futuri sviluppi nell'analisi comportamentale multimodale in tempo reale.
URL:https://www.isislab.it/event/seminario-presentazione-dei-lavori-di-tesi-di-davide-numelli-antonio-pappalardo-e-domenico-di-caprio/
LOCATION:Laboratorio ISISLab\, Dipartimento di Informatica\, Università di Salerno (Edificio F\, Lab. 10\, II piano)\, Via Giovanni Paolo II\, 132\, 84084 Fisciano SA\, Fisciano\, Italy\, Italy
CATEGORIES:Seminari
ATTACH;FMTTYPE=image/png:https://www.isislab.it/wp-content/uploads/2026/07/seminario-15-07-2026-.png
END:VEVENT
BEGIN:VEVENT
DTSTART;TZID=Europe/Rome:20260717T110000
DTEND;TZID=Europe/Rome:20260717T120000
DTSTAMP:20260915T012004
CREATED:20260715T133443Z
LAST-MODIFIED:20260715T133505Z
UID:51179-1784286000-1784289600@www.isislab.it
SUMMARY:Seminari di Roberto Cito e Anna Chiara Esposito
DESCRIPTION:1) "Benchmarking Small Language Models for Edge-Based Robotic Control on Raspberry Pi" di Roberto Cito \n\n\n\nAbstract:Questo seminario presenta uno studio sull'impiego di Small Language Model (SLM) per il controllo di piattaforme robotiche in scenari di edge computing. L'obiettivo è valutare la possibilità di eseguire modelli di piccole dimensioni direttamente su hardware a basso costo\, utilizzando un Raspberry Pi 5\, riducendo la dipendenza da servizi cloud e i tempi di risposta associati. \n\n\n\nPer favorire un utilizzo efficiente delle risorse computazionali\, è stato sviluppato un linguaggio di comando compatto basato su coppie carattere-valore\, che consente al modello di rappresentare sequenze di azioni mediante output di dimensioni ridotte. Le stringhe generate vengono successivamente interpretate e validate da un modulo di parsing prima di essere inviate alla piattaforma robotica per l'esecuzione. \n\n\n\nIl seminario illustrerà l'architettura del sistema\, le principali scelte progettuali e lo stato di avanzamento del lavoro. In particolare\, saranno presentate le attività di benchmarking dei diversi modelli\, sia in termini di prestazioni su dispositivo sia attraverso una valutazione qualitativa delle risposte generate\, basata su prompt forniti da un gruppo eterogeneo di utenti. Il confronto tra le valutazioni di 10 utenti rappresenta uno degli strumenti adottati per analizzare accuratezza e robustezza del sistema nell'interazione con persone reali. \n\n\n\n2) "Monitoring Chatbot: Infrastructure as Code e GitOps per il Deployment di una Piattaforma Agentica Cloud-Native in Ambienti Enterprise" di Anna Chiara Esposito \n\n\n\nAbstract: Questo lavoro descrive gli aspetti infrastrutturali e DevOps di Monitoring Chatbot\, una piattaforma cloud-native a microservizi orientata al troubleshooting\, monitoring e gestione operativa in contesti IT complessi. L’architettura adotta Kubernetes come orchestratore e integra connettori disaccoppiati per l’estensione a nuove sorgenti dati\, pipeline di ingestion distribuite su Apache Kafka e un layer RAG per la knowledge integration. L’elaborato approfondisce in particolare l’adozione di Infrastructure as Code con Terraform e paradigmi GitOps per automatizzare provisioning\, deployment e observability\, garantendo riproducibilità e tracciabilità dell’intera infrastruttura. Il sistema è progettato per supportare deployment sia cloud sia on-premise\, assicurando cloud agnosticism e data sovereignty. Il lavoro evidenzia come l’integrazione di architetture cloud-native\, IaC e modelli agentici basati su LangChain possa abilitare piattaforme AI enterprise scalabili\, osservabili e indipendenti dal provider infrastrutturale.
URL:https://www.isislab.it/event/seminari-di-roberto-cito-e-anna-chiara-esposito/
LOCATION:Laboratorio ISISLab\, Dipartimento di Informatica\, Università di Salerno (Edificio F\, Stecca 7\, Lab. 10\, II piano) – Via Giovanni Paolo II\, 132\, 84084 Fisciano (SA)
CATEGORIES:Seminari
ATTACH;FMTTYPE=image/png:https://www.isislab.it/wp-content/uploads/2026/07/seminario-17-07-2026-.png
END:VEVENT
END:VCALENDAR