A indústria de semicondutores está no centro da transformação tecnológica global, da computação em nuvem aos carros autônomos, da IA generativa aos dispositivos de baixo consumo. Nesta palestra, vamos contextualizar como um chip é concebido, do projeto à verificação, mostrar o papel do Brasil nesse ecossistema e discutir como a inteligência artificial está mudando o trabalho de desenvolvimento de software e hardware. A conversa também abordará desafios de energia, oportunidades para estudantes de computação e o futuro da colaboração entre o desenvolvimento de software e agentes de IA.
Gustavo Guedes de Azevedo Barbosa
Engenheiro de Software Líder na Cadence
Egresso da UFMG, Gustavo traçou uma trajetória voltada para a área de sistemas digitais desde seu primeiro semestre na universidade. Hoje acumula 7 anos de experiência na empresa e é um dos líderes do time de desenvolvimento de Verification IPs (Intellectual Property) na Cadence.
Os avanços recentes da Inteligência Artificial têm alimentado expectativas de uma nova era para a medicina e a biologia. Sistemas de IA já são capazes de prever estruturas de proteínas, analisar genomas, identificar padrões em grandes volumes de dados biomédicos e auxiliar na descoberta de novos fármacos. Mas será que a IA realmente será capaz de curar doenças? E quais são os obstáculos científicos que ainda precisam ser superados?
Nesta palestra, discutiremos como técnicas de aprendizado de máquina e inteligência artificial estão sendo aplicadas para compreender os mecanismos moleculares da vida, acelerar descobertas científicas e apoiar o desenvolvimento de terapias inovadoras. A partir de exemplos reais da Bioinformática e da Biologia Computacional, exploraremos os avanços mais impressionantes da área, seus desafios atuais e as oportunidades para estudantes e pesquisadores de Computação que desejam atuar em uma das fronteiras mais promissoras da ciência contemporânea.
O comportamento humano é inerentemente heterogêneo, multifacetado e dinâmico, envolvendo aspectos que frequentemente são subjetivos e difíceis de serem capturados a partir de rastros digitais. Nesta palestra, apresentarei uma breve visão geral de nossas pesquisas sobre modelagem do comportamento de usuários em dois domínios: a disseminação de informação em redes sociais e a mobilidade individual.
No contexto das redes sociais, apresentarei resultados recentes que mostram como comportamentos individuais e coletivos influenciam a propagação de informações. No contexto da mobilidade, discutirei os riscos de privacidade associados ao uso crescente de dados de mobilidade para viabilizar serviços digitais, destacando a necessidade de novos métodos para quantificar a exposição dos usuários.
Por cinquenta anos, a criptografia de chave pública baseou-se na suposta dificuldade de problemas como a fatoração de grandes números (RSA) e o cálculo de logaritmos discretos (DHKE, ElGamal). Essas premissas sustentam assinaturas digitais, SSL/TLS, blockchains e provas de conhecimento zero. No entanto, o algoritmo de Shor, executado em um computador quântico tolerante a falhas suficientemente grande, destruiria todas elas em dias ou horas.
Dois artigos publicados no final de março de 2026 mudaram fundamentalmente o cálculo de risco. O Google revelou um circuito quântico drasticamente mais eficiente para logaritmos discretos em curvas elípticas, reduzindo os qubits lógicos necessários para cerca de 1200. No dia seguinte, Oratomic, Caltech e Berkeley demonstraram um caminho escalável para construir esses qubits lógicos. Nenhum artigo é catastrófico isoladamente; mas juntos, representam a convergência entre avanço algorítmico e viabilidade de hardware.
Exploramos o problema da tradução de “qubits lógicos para físicos”, a correção de erros quânticos, e por que o progresso agora ocorre em saltos, não em curvas suaves da Lei de Moore. Em seguida, mapeamos o cenário da criptografia pós-quântica, discutindo os novos algoritmos sendo aprovados pelo NIST. Por fim, analisamos os riscos de apressar essa transição — como mover chaves para fora de hardwares seguros antes que a infraestrutura esteja pronta — e avaliamos cronogramas reais, incluindo o motivo pelo qual o prazo de atualização de 2029 é agressivo e necessário. Devemos atualizar agora, não porque a chegada dos computadores quânticos seja garantida até 2030, mas porque não podemos se dar ao luxo de errar.
Modelos modernos de IA alcançam níveis impressionantes de acurácia, mas desempenho elevado nem sempre se traduz em decisões confiáveis. Nesta palestra, defendemos a tese de que propriedades como confiabilidade, adaptabilidade, interpretabilidade e eficiência não são explicadas apenas pelo modelo, mas emergem da forma como os dados são construídos, selecionados, reutilizados e interpretados ao longo de todo o pipeline de aprendizagem.
A partir dessa perspectiva centrada nos dados, discutimos quatro desafios fundamentais para sistemas de IA: confiança nas probabilidades produzidas pelos modelos, adaptação a mudanças nos dados, tomada de decisão em cenários complexos e interpretação dos mecanismos internos que sustentam as previsões. Apresentamos resultados recentes envolvendo calibração, aprendizado contínuo, seleção de instâncias e interpretabilidade em aplicações de Processamento de Linguagem Natural e Saúde.
A mensagem central é simples: a pergunta mais importante não é se um modelo é preciso, mas se suas decisões podem ser confiadas. Construir sistemas de IA verdadeiramente úteis exige olhar além da acurácia e adotar uma visão integrada, centrada nos dados e orientada à responsabilidade.
Os Humanos Virtuais estão se tornando uma interface central entre as pessoas e a Inteligência Artificial, permitindo interações mais naturais, assistência personalizada, aplicações em educação, saúde e suporte em situações de emergência. Esta palestra apresenta avanços recentes em Humanos Virtuais, integrando simulação de multidões, percepção visual, agentes conversacionais e IA personalizada. Também apresenta a visão do INCT SiMAI, que combina Humanos Virtuais, visão computacional, simulação urbana e IA personalizada para apoiar indivíduos antes, durante e após eventos climáticos extremos, por meio de monitoramento inteligente, apoio à tomada de decisão e assistência adaptativa. Por fim, a palestra discute como as pessoas percebem os Humanos Virtuais e como vieses, tanto em modelos de IA quanto na percepção visual humana, podem influenciar a confiança, a interação e a tomada de decisão, destacando a importância de projetar Humanos Virtuais que sejam explicáveis, inclusivos e verdadeiramente centrados no ser humano
Professora Titular da Escola Politécnica da PUCRS (Pontifícia Universidade Católica do Rio Grande do Sul) e Bolsista de Produtividade em Pesquisa nível A do CNPq. Possui formação em Ciência da Computação pela PUCRS (Bacharelado, 1990), UFRGS (Mestrado, 1994) e EPFL, na Suíça (Mestrado, 1997; Doutorado, 2000), além de pós-doutorado na Universidade da Pensilvânia (2016). Sua pesquisa concentra-se em Computação Gráfica, incluindo humanos virtuais, simulação de multidões, percepção visual e visão computacional. É autora de mais de 220 publicações em periódicos e conferências de destaque, como Elsevier Computers & Graphics, IEEE TVCG, Computer Graphics Forum, SIGGRAPH e MIG, além de coautora de quatro livros publicados internacionalmente pela Springer-Verlag, incluindo o primeiro livro dedicado à Simulação de Multidões. Orientou mais de 180 alunos de iniciação científica, mestrado, doutorado e pós-doutorado, e participou de mais de 140 bancas e comitês acadêmicos. Seu trabalho foi reconhecido com 48 premiações, entre elas o Google Research Award (2022), o Prêmio Santander de Ciência e Inovação (2013) e o Prêmio Finep de Inovação (2003). Atualmente, é Editora-Chefe do Journal of the Brazilian Computer Society (JBCS) e já presidiu diversas conferências científicas, além de atuar em comitês nacionais de avaliação e pesquisa do CNPq e da CAPES. Em 2024, foi homenageada como Pesquisadora Destaque do SBGames, principal conferência da América do Sul na área de jogos digitais, e atuou como palestrante convidada (keynote speaker) no SIBGRAPI, SVR e SBGames 2025. Também coordena o recém-criado INCT-SiM-AI, Instituto Nacional de Ciência e Tecnologia voltado ao desenvolvimento de soluções personalizadas baseadas em Inteligência Artificial para resposta a desastres climáticos.
The cybersecurity landscape has been transformed by machine learning and AI, with examples ranging from the application of representation learning to discover generic features from complex cybersecurity artifacts, to the use of large language models to assist with cybersecurity tasks. In this talk, I will illustrate how these approaches can improve our ability to understand, predict, and defend against cyber threats. I will first describe scenarios where they can be game-changers for cybersecurity analysis. Then I will dive into our results across three concrete use cases. I will begin with the classic IP reputation problem, demonstrating how simple word and graph embedding techniques can identify clusters of IP addresses engaged in similar malicious activities. This helps us understand the behavior of IP addresses seen online, anticipating by days the information that is published on public blocklists, with better threat coverage. Next, I will show how LLMs can be used to support vulnerability management, particularly to parse and classify vulnerability reports. Here, a good example of pitfalls and hype-driven applications becomes evident, as we will show that classic ML still delivers better performance than state-of-the-art hosted LLMs. Finally, I will briefly touch on recent results in a lively and promising direction: using agentic AI to automate cybersecurity tasks. Using pentesting as a case study, I will present our AutoPenBench framework for evaluating generative AI agents in automated penetration testing. I will show that assisted agents achieve promising results, whereas fully autonomous systems still struggle — once more highlighting both the potential and current limitations of AI-driven cybersecurity.
Idilio Drago is an Associate Professor at the University of Turin, Italy, in the Computer Science Department. His research focuses on Internet measurements, cybersecurity, and AI applications in cybersecurity, with particular emphasis on applying AI and machine learning approaches to extract knowledge from traffic and logs and to automate security tasks. Dr. Drago has published over 100 research works with 4,200+ citations. He was awarded the IETF/IRTF Applied Networking Research Prize in 2013 for his work on cloud storage traffic analysis, and received the best paper awards at PAM 2013 and MADWeb 2025. His DarkVec paper was runner-up for best paper award at ACM CoNEXT 2021. He holds a Ph.D. in Computer Science from the University of Twente, Netherlands, and a Master’s degree from the Federal University of Espírito Santo, Brazil. Before joining the University of Turin, he was a Postdoc Researcher (2014-2016) and Assistant Professor (2017-2019) at Politecnico di Torino, Italy. He has visited the Federal University of Minas Gerais in 2019, collaborating with Prof. Jussara Almeida on multiple research topics. Dr. Drago currently coordinates several major research projects, including the EU-PNRR Cascate Call Project QCPS2 (PE SERICS), serves as UNITO Coordinator of the Italian PRIN Project ACRE on AI-Based Causality and Reasoning for Deceptive Assets, and acts as Italian Coordinator of the EU CHIPS JU project DistriMuse. He is a Steering Committee Member of the Network Traffic Measurement and Analysis (TMA) conference, Associate Editor of the IEEE Transactions on Network and Service Management journal, and Information Director of the Proceedings of the ACM on Networking journal (PACMNET). He is affiliated with the UNITO HPC4AI Center for High-Performance Computing for Artificial Intelligence and the CINI Cybersecurity National Lab.
Como algoritmos de biometria em larga escala desenvolvidos no Brasil conquistaram espaço em sistemas de segurança ao redor do mundo. Uma palestra sobre inovação, impacto global e o protagonismo da computação brasileira.
Simulations have long been used to test the feasibility and effectiveness of new solutions across various domains, including cybersecurity. However, such solutions are often based on limited assumptions about the attacker model. As a result, their scalability is typically constrained and context-specific. In contrast, scalable security solutions require extensive testing infrastructures, ideally isolated from operational systems to realistically mimic attacker behavior and threat scenarios. In the face of increasingly sophisticated cyber threats and attacks, traditional security solutions are proving insufficient and inefficient. Emerging threat landscapes are rendering existing assessment and testing methods limited or even obsolete. Digital Twin technology presents a unique opportunity to rethink the security of digital infrastructure, offering new avenues to enhance both resilience and adaptability. By creating appropriate degree of digital replicas of physical systems, Digital Twins enable real-time threat detection, security assessment, and vulnerability forecasting, thereby facilitating timely and informed responses. They also provide a risk-free environment to simulate attack/defense strategies and develop training solutions.
In this talk, we will explore key questions: What exactly is Digital Twin technology, and how can it meaningfully contribute to cybersecurity? Is it a necessity or merely another buzzword? What is the role of AI in leveraging Digital Twins as cybersecurity enablers? Can Digital Twins act as co-pilots in cybersecurity, driving innovation and becoming indispensable tools in the fight against evolving threats? Finally, I will share how we at the University of Bristol are using digital twinning facilities at the Bristol Digital Futures Institute (BDFI) to advance innovation in future telecom networks. We will also discuss current challenges and future research directions for Digital Twin technology as a key cybersecurity enabler.
Rasheed Hussain is an Associate Professor of Intelligent Network Security in the Smart Internet Lab and Bristol Digital Futures Institute (BDFI), at the University of Bristol, UK. Before, he was a Senior Lecturer in the same lab, and worked with the Innopolis University, Russia, University of Amsterdam, Netherlands, and Hanyang University, South Korea. He also served as an ACM Distinguished Speaker (2018-2021) and currently serving another term as ACM Distinguished Speaker (2022-2026).
With a strong research focus on cyber and future network security (including 6G), he specialises in Digital Twins for future networks and systems security, artificial intelligence (AI) applications in cyber and network security, and responsible AI practices. Dr. Hussain is actively advancing Digital Twin Technology to enhance the security of open future networks and Cyber-Physical Systems (CPSs), exploring the convergence of AI, Digital Twin technology, and blockchain solutions. He is currently co-leading several national and international projects focusing on open networks security, large-scale infrastructure security assessment, privacy in 6G, real-world use-cases of 6G, and socio-digital futures of the High-Performance Networks (HPN).
