iaas

Indique la afirmación verdader. a) Supongamos que implementamos en JMetalPy una clase que representa nuestro problema y definimos un individuo como un vector de enteros. En este caso, la clase deberá heredar de IntegerProblem y la función 'evaluate' deberá devolver un objeto de tipo IntegerSolution. b) Supongamos que implementamos en JMetalPy una clase que representa nuestro problema y definimos un individuo como un vector de números binarios. En este caso, la clase deberá heredar de BinaryProblem y la función 'evaluate' deberá devolver un objeto de tipo BinarySolution. c) Supongamos que implementamos en JMetalPy una clase que representa nuestro problema independientemente de la representación que elijamos para nuestros individuos, la clase debe heredar de Problem. d) Todas las afirmaciones son correctas.

Con respecto a SCOP (Software Code Optimization Problem), usted entiende que: b) Es un problema de optimización del código orientado a mejorar la seguridad del programa SW mediante la aplicación de transformaciones operadas sobre el código fuente. c) Es un problema de optimización combinatoria cuyo objetivo es maximizar la ofuscación de un programa SW mediante la aplicación de transformaciones genéricas del código fuente intermedio IR. d) Es un problema de optimización combinatoria... maximizar el grado de ofuscación... mediante transformaciones genéricas del código compilado... Es un problema de optimización combinatoria cuyo objetivo es minimizar el tiempo de ejecución de un programa SW mediante la aplicación de transformaciones genéricas del código fuente.

¿Cuál de las siguientes afirmaciones es verdadera sobre el 'Frente de Pareto' en la optimización multi-objetivo?. c) Es una medida de la diversidad en el espacio de soluciones. a) Es una técnica que siempre encuentra la solución óptima única. b) Es un conjunto de soluciones que son dominadas por otras soluciones en el espacio objetivo. d) Es un conjunto de soluciones no dominadas que representan el mejor compromiso entre los objetivos.

En el contexto del uso de algoritmos genéticos para la ofuscación, ¿cuál es el papel de la biblioteca JMetalPy?. b) Proporciona un framework para la implementación de algoritmos evolutivos mono y multi-objetivo. a) Facilita la conversión de código fuente a código intermedio para la implementación de algoritmos... d) Permite la integración de distintos lenguajes... c) Actúa como un compilador intermedio para la implementación de código...

En el seminario se mencionó que la métrica Distancia de Jaccard se utiliza para evaluar la ofuscación. ¿Qué aspecto específico mide esta métrica?. c) La eficiencia del código ofuscado en comparación con el original. b)La diferencia en la cantidad de líneas de código antes y después de la ofuscación. a) La similitud entre el conjunto de tokens del código original y el código ofuscado. d) La capacidad del código ofuscado para resistir intentos de desofuscación.

En el proyecto de ofuscación, ¿por qué se eligió usar un Algoritmo Genético Celular (cGA) en lugar de uno panmíctico (estándar) para los problemas mono-objetivo?. Porque NSGA-II no funciona con un solo objetivo. Porque mantiene la diversidad de la población por más tiempo, evitando caer en óptimos locales prematuramente. Porque es mucho más rápido en ejecutarse. Porque cGA no requiere parámetros de mutación.

¿Qué clase de JMetalPy debes heredar si tu cromosoma es una lista de IDs de transformaciones LLVM (ej: [12, 4, 55, ...])?. DoubleProblem. PermutationProblem. IntegerProblem. BinaryProblem.

En Model Checking, ¿cuál es la principal limitación que se intenta resolver usando Inteligencia de Enjambre (ACO)?. El problema de la Explosión de Estados (State Explosion Problem). La lentitud de la CPU. La dificultad de escribir código en C. La falta de herramientas de depuración.

¿Qué mide la métrica de complejidad NLC (Nesting Level Complexity)?. El número de líneas de código ensamblador. La similitud de tokens con el original. La profundidad máxima de anidamiento de estructuras de control (ifs dentro de ifs). El número de predicados o caminos independientes.

En el proyecto, se configuró una probabilidad de mutación 'inusualmente alta'. ¿Cuál fue el motivo?. Porque muchas transformaciones de LLVM no tienen efecto visible (son inocuas), y se necesitaba fuerza para ver cambios. Para aumentar la presión selectiva. Fue un error de los investigadores. Para terminar el algoritmo más rápido.

¿Qué significa que una solución pertenezca al 'Frente de Pareto'?. Que es la mejor en todos los objetivos. Que tiene el mayor valor de Fitness en un solo objetivo. Que es una solución aleatoria inicial. Que es una solución 'No Dominada': no se puede mejorar un objetivo sin empeorar otro.