Repositório IC-Online

Institution's Scientific Repository

IC-Online, the Institutional Repository of Scientific Information of the Polytechnic of Leiria (IPLeiria), is part of the RCAAP Project (Open Access Scientific Repositories of Portugal). Its main objectives are to organise, preserve and disseminate the scientific production of the Polytechnic of Leiria (IPLeiria), helping to increase the visibility and impact of the institution's scientific publications.

The IC-Online Repository includes various types of digital documents, such as articles from national and international scientific journals, papers from congresses and conferences, master's dissertations and doctoral theses, among others.

Política Institucional de Acesso Livre do Politécnico de Leiria (Despacho nº 124/2018)
Regras de afiliação do Politécnico de Leiria (Despacho nº 228/2020)
Normas de atribuição de identificadores DOI, ISBN e DL (Despacho nº 257/2024)
Apoio à investigação

Email repositorio@ipleiria.pt

Recent Submissions

Pentesting Augmented Reality Devices and Mobile Applications: A Dual-Method Approach Using OWASP MSTG

Publication . Alves, Manuel José Batista; Santos, Leonel Filipe Simões; Costa, Rogério Luís de Carvalho

A Realidade Aumentada (RA) tem-se expandido rapidamente em domínios como o entretenimento, a saúde, a educação, a indústria e a defesa, transformando a forma como indivíduos e organizações interagem com conteúdos digitais. Ao fundir ambientes reais e virtuais, a RA potencia novas experiências e aplicações inovadoras. No entanto, a sua dependência constante de sensores, câmaras e processamento de dados em tempo real torna estes sistemas particularmente vulneráveis a riscos de segurança e de privacidade. Problemas como acessos não autorizados, armazenamento inseguro ou uso indevido de dados ambientais e biométricos aumentam significativamente as consequências de vulnerabilidades em plataformas de RA, tornando essencial a adoção de abordagens de segurança desde a fase inicial de design. Este trabalho foi desenvolvido no âmbito do projeto SafeAR, cujo objetivo é criar ferramentas automáticas para proteger a privacidade e a confidencialidade em ambientes de RA, assegurando experiências contínuas e em tempo real. O projeto identifica classes principais de riscos associados à captura de dados em RA e aplica técnicas de aprendizagem automática para os detetar, validando as suas soluções em dois cenários de aplicação: um jogo de RA baseado em localização (LootAR) e uma aplicação de treino e manufatura industrial (UnitySafe). Estes dois casos de estudo serviram como base para esta dissertação. Para avaliar a sua robustez em termos de segurança, aplicou-se uma metodologia de testes de penetração estruturada com base no OWASP Mobile Application Security Testing Guide (MSTG), no OWASP Mobile Top 10 (2024) e no OWASP Top 10 Web Application Security Risks (2021). A análise incidiu sobre aspetos como armazenamento, autenticação, permissões da aplicação e tráfego de rede, com especial foco no tratamento de comunicações TLS. Recorreu-se a técnicas de análise estática e dinâmica e a ferramentas especializadas para uma avaliação sistemática das vulnerabilidades em ambientes móveis e HoloLens. Este projeto contribui com uma metodologia estruturada de testes de penetração adaptada a aplicações de RA, identificando riscos específicos e propondo estratégias de mitigação. Ao fazê-lo, reforça a missão do projeto SafeAR, apoiando o desenvolvimento de ecossistemas de RA fiáveis e respeitadores da privacidade.

2025-12-10Master thesis

Embargoed access

Balancing Image Quality and Attack Effectiveness in Computer Vision

Publication . Areia, José António Portela; Santos, Leonel Filipe Simões; Costa, Rogério Luís de Carvalho

É bem estabelecido que a inteligência artificial é uma presença duradoura, oferecendo diversas aplicações no nosso quotidiano. No domínio da visão computacional, tais aplicações incluem o reconhecimento facial, a deteção de objetos — utilizados na indústria e em veículos autónomos — bem como a análise de imagens médicas. Contudo, estas aplicações permanecem suscetíveis a vulnerabilidades de segurança, particularmente a ataques adversariais, que introduzem perturbações impercetíveis capazes de enganar as classificações dos modelos. Com base nestas características, esta dissertação investiga a utilização de modelos generativos para produzir exemplos adversariais capazes de enganar múltiplos modelos de classificação. Como estudo preliminar, foi utilizado uma Deep Convolutional Generative Adversarial Network (DCGAN) com a adição de um codificador para gerar imagens adversariais capazes de enganar cinco modelos de classificação distintos. Posteriormente, foi desenvolvida uma nova arquitetura multiobjetivo, com o nome Multi-Objective Superstar Adversarial GAN (MOSA-GAN) concebida para gerar exemplos adversariais ao mesmo tempo que preserva elevada qualidade e fidelidade de imagem. A robustez da MOSA-GAN foi ainda avaliada contra mecanismos de defesa de última geração, para aferir a sua eficácia em contextos adversariais mais amplos. Os experimentos foram conduzidos em conjuntos de dados perturbados por quatro ataques distintos, em cinco níveis de magnitude de perturbação, e avaliados em cinco modelos de classificação. As métricas de desempenho incluíram a Fooling Rate (FR), juntamente com métricas que aferem a qualidade de imagem Fréchet Inception Distance (FID) e Learned Perceptual Image Patch Similarity (LPIPS). Os resultados indicam que a abordagem inicial atingiu um FR de até 91,21%, mas com fraca qualidade de imagem. Em contraste, a MOSA-GAN alcançou um equilíbrio eficaz, atingindo uma FR de de 89,63% enquanto mantinha elevada qualidade de imagem, com valores de LPIPS e FID tão baixos quanto 0,23 e 0,25, respetivamente. Com defesas, a FR reduziu ligeiramente, enquanto um cenário preservou melhor a qualidade de imagem. Os resultados mostram que modelos generativos são viáveis para gerar imagens adversariais, e que a MOSA-GAN equilibra a eficácia adversarial e a qualidade de imagem, validando a abordagem multiobjetivo, com e sem defesas.

2025-12-10Master thesis

Open access

Implementation of AI-Powered Computer Vision Systems for Edge Devices Using Yolo and Face API

Publication . Santos, João Rebelo dos; Maximiano, Marisa da Silva

2025-12-05Master thesis

Open access

Análise dinâmica tridimensional do conforto de um veículo em estrada

Publication . Teixeira, João Alberto Ferreira; Batista, Fernando da Conceição; Gouveia, Olivier Rodrigues

2025-12-15Master thesis

Open access

Comparação da produção de uma ortótese através de processos de Estereolitografia (SLA), Processamento de Luz Digital (DLP) e MultiJet Printing (MJP)

Publication . Ramalho, Joana Filipa Esteves; Vasco, Joel Oliveira Correia; Almeida, Henrique de Amorim

O fabrico aditivo, atualmente, encontra-se bastante presente na área médica, utilizado para produzir dispositivos médicos como implantes, próteses e ortóteses. No âmbito das ortóteses, a produção personalizada é promissora pois poderá melhorar a qualidade de vida das pessoas e reduzir desconforto, para além de que as tecnologias de impressão 3D a baixo custo permitem melhorar a estética e a forma de utilização. Estas tecnologias são utilizadas na fase do processo de criação das ortóteses. Numa primeira fase é utilizada o processo de engenharia inversa de forma a digitalizar o segmento corporal, o antebraço e utilizam-se softwares de modelação 3D para processar a superfície. Por fim, o modelo é impresso através das tecnologias pretendidas. Este trabalho baseia-se na comparação de três tecnologias de impressão para o fabrico de uma ortótese de pulso, Estereolitografia, Processamento de Luz Digital e Multijet Printing. Para tal, foi desenvolvido um modelo 3D de referência e selecionados diferentes materiais de impressão, avaliados quanto a parâmetros técnicos e práticos como custos de produção, propriedades mecânicas, disponibilidade e adequação a aplicações médicas. Os resultados obtidos pela ferramenta multicritério AHP mostram que a tecnologia vencedora é o DLP, por apresentar melhor equilíbrio entre qualidade de impressão e desempenho mecânico. O PRO-BLK 10 destacou-se no cenário sem necessidade de biocompatibilidade, o Rigid White adequou-se no cenário com biocompatibilidade, garantindo segurança clínica. Por simulações estruturais no SolidWorks Simulation, a espessura de 3.25mm revelou-se mais eficiente para a produção da ortótese.

2025-12-05Master thesis

Open access