Progetti
🤖 Computer Vision & Intelligenza Artificiale
Sistema di Tracciamento Multi-Oggetto (Multi-Object Tracking - 2026)
Progettazione e sviluppo autonomo di un'architettura di Computer Vision avanzata e ottimizzata per il tracciamento continuo e il rilevamento in tempo reale di entità dinamiche (veicoli, ciclisti e pedoni) all'interno di flussi video stradali complessi. Il sistema integra il modello di object detection YOLOv8 con gli algoritmi di tracking DeepSORT e ByteTrack, implementando logiche custom basate su filtri di Kalman per preservare la persistenza delle identità univoche (ID) ed evitare il problema del frammentamento delle tracce durante occlusioni parziali, sovrapposizioni o variazioni repentine di luminosità ambientale. La pipeline di inferenza è stata interamente ottimizzata mediante la quantizzazione FP16/INT8 e la successiva compilazione del modello tramite TensorRT, garantendo un'esecuzione ad alti fotogrammi al secondo (FPS) su hardware edge. Il sistema include inoltre un modulo algoritmico per il calcolo di metriche spaziali derivate, quali il conteggio dei passaggi di linea (line crossing) e la stima vettoriale della velocità dei soggetti tracciati.
Riconoscimento Facciale Avanzato e Anti-Spoofing (2026)
Ingegnerizzazione indipendente di un sistema biometrico di riconoscimento facciale ad alta precisione, specificamente potenziato per operare in contesti ostili come scarsa illuminazione di fondo, angolazioni estreme o parziali occlusioni del volto. Il core applicativo sfrutta architetture Deep Learning allo stato dell'arte basate su ArcFace e varianti personalizzate di ResNet, addestrate con pipeline avanzate di data augmentation (come random cropping, color jittering e blur) per massimizzare la robustezza estrattiva dei feature embeddings vettoriali. Per garantire la sicurezza intrinseca del sistema contro attacchi fisici o digitali di tipo injection, è stato integrato un modulo proprietario di Liveness Detection (anti-spoofing) capace di discriminare i volti reali da tentativi di violazione effettuati tramite foto stampate, maschere 2D o display digitali. Il modello complessivo è stato convertito e serializzato nel formato ONNX, riducendo la latenza di inferenza ed ottimizzando l'allocazione di memoria RAM/VRAM, mantenendo al contempo un elevato True Acceptance Rate (TAR) e minimizzando i falsi positivi (FAR).
Progetto Robotico AI - Avatar Gestuale in Tempo Reale (2026)
Sviluppo di un ecosistema software modulare per il controllo in tempo reale di un avatar robotico basato sulla replica immediata dei gesti antropomorfi dell'operatore. Il sistema sfrutta le librerie MediaPipe (Pose, Hands e Face Mesh) per mappare simultaneamente e ad alta frequenza i punti nodali dello scheletro corporeo, delle articolazioni delle dita e dei contorni facciali rilevati da un singolo flusso webcam standard. Attraverso logiche matematiche di trasformazione geometrica e rendering procedurale avanzato sviluppato in OpenCV, i movimenti estratti vengono normalizzati rispetto alla prospettiva sorgente e tradotti istantaneamente nelle corrispondenti articolazioni dei membri meccanici e nelle animazioni delle espressioni digitali dell'avatar. L'applicazione è strutturata su un'architettura Python a plugin altamente estensibile, dotata di un'interfaccia grafica a doppia vista che mostra simultaneamente il flusso video originale e il comportamento renderizzato dell'avatar, integrando un modulo di registrazione asincrona per l'analisi dei log di movimento e l'ottimizzazione dei flussi cinetici.
Sistema di Rilevamento della Sonnolenza - Vigilanza Attiva (2026)
Realizzazione di un applicativo di monitoraggio biometrico in tempo reale concepito per prevenire i colpi di sonno e i cali di attenzione durante sessioni lavorative prolungate. Sfruttando i modelli predittivi di dlib per l'estrazione dei landmark facciali a 68 punti e le funzioni di elaborazione di OpenCV, il sistema esegue un calcolo matematico continuo dell'Eye Aspect Ratio (EAR) e del Mouth Aspect Ratio (MAR) per valutare geometricamente lo stato di apertura degli occhi e la frequenza degli sbadigli. È stata implementata una logica di attivazione degli allarmi di tipo progressivo basata su finestre temporali mobili: il sistema discrimina accuratamente i normali battiti di ciglia involontari dalle chiusure prolungate causate da affaticamento, azionando feedback visivi sulla GUI e alert acustici asincroni (gestiti tramite la libreria pygame). L'intera pipeline di universi di calcolo ed elaborazione dei frame è stata ottimizzata a basso livello per ridurre l'overhead computazionale e garantire la massima fluidità di esecuzione anche su macchine sprovviste di accelerazione hardware dedicata.
Sistema di Scrittura nell'Aria (Air Drawing Interface - 2026)
Progettazione di un'interfaccia utente gestuale (Natural User Interface) che permette l'interazione e il disegno su una tela virtuale senza alcun contatto fisico, utilizzando esclusivamente i movimenti delle mani nello spazio tridimensionale. L'applicazione si basa sul tracciamento ad alta precisione fornito da MediaPipe Hands per rilevare la geometria spaziale e la distanza tra le dita. È stata sviluppata una macchina a stati finiti in Python per omettere e riconoscere dinamicamente le intenzioni dell'utente in base alla vicinanza relativa tra i landmark (es. modalità "scrittura" calibrata sull'unione di indice e pollice, modalità "hovering" per lo spostamento libero del cursore e modalità "gomma" reattiva al pugno chiuso). L'applicativo supporta il tracciamento multi-mano simultaneo, la selezione dinamica della palette di colori, la regolazione dello spessore del tratto e il salvataggio istantaneo dello screenshot della tela in formato PNG, ottimizzando la stabilità delle linee tracciate tramite l'applicazione di filtri di smoothing basati su medie mobili.
🛡️ Cyber Security and Threat Analysis
Core Shield Engine - Motore Antivirus Euristico (2026)
Sviluppo in C++17 di un motore di scansione malware modulare basato su un'architettura nativa multithread, progettata per massimizzare le prestazioni di I/O durante le analisi approfondite del filesystem Windows. Il software implementa un duplice livello di protezione: un modulo di rilevamento deterministico basato su firme crittografiche (SHA-256 estratte in modo sicuro tramite le Windows CryptoAPI) e un motore di analisi euristica avanzata. Quest'ultimo calcola l'entropia di Shannon sui file binari per identificarare la presenza di codice cifrato, offuscato o compresso tipico dei packer di malware, eseguendo contemporaneamente il controllo dell'estensione reale tramite la verifica dei Magic Numbers nei file header per bloccare tentativi di mascheramento. Il sistema include un meccanismo di isolamento automatico in quarantena protetta per gli elementi sospetti, la gestione concorrente dei descrittori di file per evitare race condition e la scrittura dei log di tracciamento e telemetria in formato strutturato JSON.
CyberSec Manager - Piattaforma di Vulnerability Assessment (2026)
Realizzazione di una piattaforma web centralizzata per la mappatura degli asset aziendali e la conduzione automatizzata di attività di vulnerability assessment. Sviluppata in Python con micro-framework Flask, l'applicazione si interfaccia a basso livello con il motore di Nmap attraverso l'esecuzione di sottoprocessi asincroni controllati, permettendo di avviare port scanning mirati, service discovery e OS detection sulla rete locale. I dati sensibili salvati nel database, comprese le chiavi di autenticazione e le note sugli asset, sono protetti tramite crittografia simmetrica end-to-end (algoritmo Fernet della libreria Cryptography), mentre la sicurezza delle sessioni è affidata a Flask-Login. La piattaforma calcola automaticamente il livello di rischio degli host (Basso/Medio/Alto) incrociando i banner dei servizi rilevati con i vettori di vulnerabilità noti su protocolli critici, offrendo una dashboard responsive ed un registro storico degli audit esportabile.
Analizzatore Software Supply Chain (SBOM & Threat Intelligence - 2026)
Sviluppo di uno strumento di auditing di sicurezza orientato ai flussi di DevSecOps, automatizzato per analizzare l'integrità della catena di approvvigionamento del software. Il tool esegue il parsing statico dei file di dipendenza dei progetti (come requirements.txt, package.json e Dockerfile) e interroga in modo asincrono i database di vulnerabilità di OSV.dev e pip-audit per rilevare falle note (CVE). Include algoritmi avanzati di fuzzy matching per intercettare attacchi di typosquatting sui nomi dei pacchetti e moduli euristici per analizzare la reputazione e l'attività dei maintainer dei repository open-source. Lo strumento genera automaticamente la Software Bill of Materials (SBOM) dell'applicazione, modella le dipendenze tramite un grafo interattivo (NetworkX) ed esporta un report finale in HTML che classifica le contromisure da adottare in base alla priorità di rimediazione, in piena conformità con l'Executive Order statunitense sulla cybersecurity.
Security Policy Analyzer - Web Security Assessment (2026)
Security Policy Analyzer - Web Security Assessment (2026)
Progettazione di uno scanner web orientato all'analisi della configurazione difensiva delle applicazioni web attraverso la verifica dei loro header HTTP di sicurezza. L'applicativo, dotato di un'interfaccia reattiva in Flask, effettua richieste HTTP controllate verso gli host target ed esegue un parsing sintattico rigoroso dei parametri ricevuti, analizzando la robustezza di direttive fondamentali quali Content Security Policy (CSP), HTTP Strict Transport Security (HSTS), X-Frame-Options e X-Content-Type-Options. Il motore analitico individua configurazioni insicure all'interno delle CSP (come l'uso permisivo di 'unsafe-inline' o wildcards) e intercetta l'information leakage causato da header di server espliciti. Al termine dell'analisi, il sistema assegna un punteggio complessivo di sicurezza (score 0-100) e fornisce alert contestuali dettagliati con le stringhe di configurazione consigliate per la mitigazione delle vulnerabilità di Information Disclosure e Cross-Site Scripting (XSS).
Scanner Forense in Python (2026)
Sviluppo di una utility a riga di comando per l'analisi forense digitale e l'identificazione di file all'interno di flussi di dati grezzi o immagini di dischi logici. Lo strumento esegue una scansione sequenziale del flusso binario a blocchi ottimizzati, estraendo le firme dei file (file signatures/magic bytes) per identificare e ricostruire l'estensione reale dei documenti indipendentemente dal nome del file memorizzato. Il software esegue la validazione dell'integrità strutturale dell'elemento calcolando dinamicamente gli hash crittografici MD5 e SHA-256 durante il processo di lettura, garantendo l'immutabilità della sorgente di analisi. Tutti i metadati estratti, i timestamp rilevati e la mappatura dei blocchi vengono esportati all'interno di un report formattato in JSON per assicurarne la leggibilità e l'interoperabilità con altri strumenti forensi.
Sistema UBA Autonomo (User Behavior Analytics - 2026)
Progettazione di un sistema di monitoring della sicurezza basato sull'analisi del comportamento degli utenti (User Behavior Analytics) che si affida esclusivamente a modelli di Machine Learning non supervisionati. L'architettura software è concepita per auto-addestrarsi analizzando i flussi di log degli accessi aziendali, isolando e correlando i pattern di attività senza la necessità di un'etichettatura manuale preventiva dei dati (zero manual labeling). Il modello ha validato la sua efficacia elaborando un dataset di test con oltre 1.000 eventi complessi, intercettando con successo più di 77.000 micro-anomalie comportamentali. Al rilevamento di scostamenti significativi dalla baseline dell'utente (come orari di accesso insoliti, geolocalizzazioni anomale simultanee o picchi nei fallimenti di autenticazione), il sistema genera alert di sicurezza contestuali pronti per l'escalation nei team di Incident Response.
Fake Login & Credential Stuffing Detection (2026)
Ingegnerizzazione di un modulo di sicurezza per infrastrutture di autenticazione web, mirato a discriminare i tentativi di accesso legittimi effettuati dagli utenti reali dalle campagne automatizzate di credential stuffing orchestrate da botnet. Il sistema si basa sull'analisi statistica e temporale delle richieste di login dirette agli endpoint sensibili. Monitorando metriche quali la frequenza di sottomissione dei form per singola sessione, la variabilità degli user-agent e i ritardi di digitazione simulati, l'algoritmo calcola in tempo reale un punteggio di anomalia comportamentale. In caso di superamento delle soglie critiche, il sistema attiva contromisure protettive dinamiche (es. introduzione di rate-limiting restrittivi, iniezione di sfide CAPTCHA o blocco temporaneo dell'IP a livello di applicativo), mitigando l'impatto degli attacchi di forza bruta prima che possano compromettere gli account dei clienti.
Analizzatore di Log di Sicurezza (Log Analyzer - 2025)
Sviluppo di uno script di sicurezza in Python focalizzato sul monitoraggio e sull'analisi in tempo reale dei log di autenticazione di sistema (es. auth.log di Linux). Il software esegue un parsing continuo delle righe di testo in ingresso tramite espressioni regolari (Regex) ottimizzate, estraendo i tentativi falliti di connessione SSH o applicativa e mappandoli in base all'indirizzo IP di provenienza. Implementando una logica di soglia temporale configurabile, il sistema rileva istantaneamente pattern riconducibili ad attacchi brute-force. All'attivazione dell'allarme, il programma spedisce notifiche immediate all'amministratore di sistema e genera raccomandazioni operative automatizzate, fornendo la sintassi esatta per l'inserimento dell'IP malevolo all'interno delle regole del firewall di rete (iptables) o l'integrazione diretta con jail custom di fail2ban.
Password Strength & Entropy Evaluator (2025)
Realizzazione di un tool CLI (Command Line Interface) scritto in Python e progettato per valutare in modo scientifico la sicurezza delle credenziali di accesso prima della loro memorizzazione nei database aziendali. L'algoritmo non si limita al controllo della lunghezza minima, ma calcola l'effettiva entropia di Shannon della stringa per misurarne la casualità matematica. Il software integra moduli euristici per intercettare pattern strutturali deboli, come sequenze alfabetiche comuni, ripetizioni di caratteri e l'uso di parole del dizionario. Inoltre, esegue un confronto asincrono locale con blacklist di violazioni storiche e data breach pubblici. Il tool classifica la password all'interno di 4 livelli di robustezza rigidamente definiti (da Debole a Molto Forte), restituendo all'utente un feedback visivo immediato e suggerimenti tecnici dettagliati per incrementare la complessità della stringa.
Analizzatore Statico di Dockerfile (Dockerfile Scanner - 2025)
Sviluppo di un analizzatore statico (linter) modulare concepito per verificare la postura di sicurezza delle immagini dei container prima della fase di build in ambiente di produzione. Il core del programma analizza la sintassi dei file Dockerfile per intercettare anti-pattern di sicurezza e configurazioni rischiose, come l'esecuzione dei processi interni con i privilegi dell'utente root, l'esposizione non necessaria di porte di comunicazione, l'uso di immagini di base obsolete o prive di tag di versione specifici, e l'involontaria memorizzazione di segreti o credenziali hard-coded nelle variabili d'ambiente. Il software è stato progettato seguendo un'architettura a plugin altamente estensibile, permettendo al team di sicurezza di integrare facilmente nuove regole di conformità e di inserire lo scanner come gate di validazione all'interno delle pipeline di Continuous Integration (CI/CD).
TCP Port Scanner Didattico (2025)
Sviluppo a scopo didattico e di ricerca di uno scanner di porte TCP in Python, focalizzato sull'apprendimento delle interazioni di rete a basso livello. Il programma evita l'utilizzo di librerie ad alto livello, basandosi esclusivamente sull'uso directo della libreria nativa dei socket per gestire la manipolazione dei pacchetti e l'instaurazione delle connessioni (3-way handshake). Il codice implementa tecniche di scansione multi-thread per accelerare l'analisi degli host autorizzati di test (es. scanme.nmap.org), intercettando e gestendo in modo puntuale i timeout di rete e le risposte d'errore del sistema operativo. Il progetto è ampiamente documentato con approfondimenti teorici sui protocolli di trasporto, disclaimer etici espliciti sul corretto utilizzo dei software di sicurezza e linee guida per l'esecuzione dei test nel pieno rispetto delle policy e delle normative vigenti (GDPR e art. 615-ter c.p.).