Luca Didaci è professore associato ed afferisce al Dipartimento di Ingegneria Elettrica ed Elettronica dell’Università di Cagliari. Presso la stessa Università ha conseguito la laurea in Ingegneria Elettronica nel 2001 e il dottorato di Ricerca in Ingegneria Elettronica ed Informatica nel 2005. Dal 2006 è ricercatore per il SSD ING-INF/05,  inizialmente presso il Dipartimento di Scienze Pedagogiche e Filosofiche, e dal settembre 2011 presso il Dipartimento di Ingegneria Elettrica ed Elettronica. 

L’attività di ricerca del prof. Didaci si svolge nel settore del pattern recognition e delle sue applicazioni, e riguarda i seguenti temi.

1) Sicurezza informatica. I sistemi di Intrusion Detection (IDS) e gli antivirus si propongono di riconoscere software e comportamenti ‘malevoli’ su calcolatori e reti di calcolatori. I sistemi tradizionali tuttavia presentano un elevato tasso di falsi allarmi e da una rigidità che impedisce il riconoscimento di nuovi attacchi. Il dott. Didaci ha lavorato allo studio di nuovi metodi basati su Machine Learning e Sistemi di Classificatori Multipli (MCS) caratterizzati da un incremento di accuratezza e da un miglior bilanciamento tra capacità di generalizzazione e generazione di falsi allarmi.  Nell’ambito del progetto CyberROAD EU ha contribuito a definire una metodologia per la realizzazione di percorsi di ricerca sui temi della sicurezza informatica.

2) Sicurezza e Riconoscimento biometrico. I sistemi biometrici mirano ad utilizzare le caratteristiche fisiologiche o comportamentali per il riconoscimento individuale. In questo ambito sono stati studiati sistemi multimodali basati sul riconoscimento automatico di volti e impronte e sistemi basati sull’analisi di segnali cerebrali. In particolare lo studio dei segnali cerebrali evidenzia il potere discriminante delle misure di connettività funzionale ottenute dal  segnale EEG ai fini dell’identificazione biometrica. Infine sono state studiate le proprietà di sicurezza degli algoritmi di apprendimento automatico in ambito biometrico contro attacchi specificatamente mirati e le relative contromisure.

3) Studio dei Sistemi di Classificatori Multipli. I Sistemi di Classificatori Multipli (MCS) sono un approccio allo stato dell'arte per il progetto di algoritmi di classificazione, e consentono di superare diversi limiti dell'approccio tradizionale, basato sull'uso di un singolo algoritmo. L’attività di ricerca si è focalizzata su due filoni. Il primo è relativo ai metodi di selezione dinamica del classificatore, nella quale si sono utilizzate metriche che presuppongono uno spazio delle features non isotropo e metriche adattative per la stima del ‘grado di competenza’ (accuratezza locale) del classificatore. Il secondo è relativo alle formulazione di nuove metodologie di creazione di sistemi di classificatori e allo studio della diversità come misura utile per la loro creazione.

4) Apprendimento semi-supervisionato. L’apprendimento semi-supervisionato mira all’utilizzo congiunto di dati la cui classe di appartenenza è nota e dati di classe non nota, laddove tradizionalmente gli algoritmi di classificazione si basavano solo su dati di classe nota. Questo approccio permetterebbe di produrre sistemi di classificazione che “migliorano con l’uso”. Questi metodi sono stati estesi sia ai sistemi di classificatori multipli sia a sistemi innovativi nel campo del riconoscimento biometrico. In particolare, in campo biometrico la tempo-varianza (dovuta a fenomeni di invecchiamento o modifiche temporanee delle biometrie) e la notevole variabilità dei tratti biometrici rende estremamente appropriato l’utilizzo di metodi semi-supervisionati.

5) Analisi e caratterizzazione di segnali EEG mediante tecniche di machine learning.

Il prof. Didaci è membro del laboratorio di ricerca sul riconoscimento di forme e le sue applicazioni (PRA Lab, https://sites.unica.it/pralab/),  del Gruppo Italiano Ricercatori di Pattern Recognition (Sezione Italiana dell’International Association for Pattern Recognition) e dell’ IEEE (Institute of Electrical and Electronics Engineers).

[Ultimo aggiornamento: maggio 2024]