Browsing by discipline "Computer science"

Sosiaali- ja terveydenhuolto koostuu hyvin erilaisista ja laeilla voimakkaasti säädellyistä palveluista. Toimintakäytännöt ovat kehittymässä nykyisistä pääasiassa erillisistä sosiaali- ja terveydenhuollon toimintaprosesseja ja niitä palvelevista tietojärjestelmistä kohti sosiaali- ja terveydenhuollon yhteisiä palveluita ja prosesseja. Tulevan sosiaali- ja terveydenhuollon sote-uudistuksen sekä sote-palvelujen integroitumisen myötä jatkossa vaaditaan myös tietojärjestelmiltä tiiviimpää yhteentoimivuutta ja integraatiota. Terveydenhuollossa yleisesti käytetyt kansainväliset Health Level 7 -integraatioratkaisut on otettu osaksi myös kansallisen terveydenhuollon arkiston standardisalkkua. Kun kansallinen Kanta-arkisto laajennetaan lähivuosina kattamaan myös sosiaalihuollon asiakirjat, on syntynyt kiinnostus hyödyntää terveydenhuollon arkiston ratkaisuja myös sosiaalihuollon tiedonvälitykseen. Työssäni kuvaan lyhyesti suomalaisen sosiaali- ja terveydenhuollon toimintaympäristöä ja toimialalla käytettyjen asiakas- ja potilastietojärjestelmien nykyhetken ja kehittämisen tilannetta. Esittelen terveydenhuollon tietojenvälityksessä kansainvälisesti laajasti käytössä olevan ja Suomen kansallisen terveydenhuollon arkiston standardisalkuun otetun Health Level 7 (HL7) standardin historiaa sekä maailmanlaajuisesti käytetyimmät viestinvälitysstandardit HL7 v2 ja v3 MR sekä HL7 CDA dokumenttistandardin. Esittelen myös vielä kokeilukäytössä olevan seuraavan sukupolven HL7 FHIR-standardin, joka tulee olemaan mukana kansallisen sosiaalihuollon arkiston standardisalkussa ja jota on ehdotettu myös kansalaisen Omakanta-palvelun viestiratkaisuksi. Esittelen Suomessa tehtyjä selvityksiä HL7 standardiperheen soveltuvuudesta sosiaalihuollon tietojen välitykseen sekä arvioin terveydenhuollon arkiston tarpeisiin tehtyjen ratkaisujen siirrettävyyttä sosiaali-huollon arkistopalveluun. Työn lopussa pohdin sosiaali- ja terveydenhuollon kasvavan kansallisen ohjauksen vaikutuksia toimialojen tietojärjestelmäkehitykseen.

A significant number of people have problems with the batteries of their mobile devices. There are several energy saving applications available to tackle those problems. Most of them increase battery life mostly by automatically closing applications or operations. The user is for the most part unaware of what the energy saving application actually does. Therefore, even though the battery might last somewhat longer, the user may continue using behavioral patterns that drain the battery. There is little evidence to support the assumption that battery awareness applications lead to behavioral changes. Therefore, we decided to conduct a research on how a mobile awareness application called Carat is used, and how the behavior of its users changes over time. The study was carried out in two phases. In the first part of the study, we conducted a user survey, and studied the Carat log data of the devices represented in the survey. We found out that the behavior changes over time; there were significant differences between new Carat users, and the more experienced ones. The more experienced users had reduced their use of problematic applications more, were interested in different features of Carat, and opened it less often. In the second part of the study, we studied how new Carat users used Carat and what they thought of using it. They were interviewed twice, and they also wrote in a web diary about their experiences. We found out that the main difference in their thinking was the increase in overall awareness about applications as something that affects battery life. We also found out that inadequate, uninteresting and unclear information causes confusion and frustration, and decreases the likelihood of users sticking with Carat.

Tiimityöskentely ja voimavarojen yhdistäminen ovat olennainen osa nykyaikaista ohjelmistokehitystä. Viime vuosien ohjelmistoyritysten menestystarinoiden takana on usein joukko ihmisiä, jotka yhdessä muodostavat huipputuottavan ohjelmistotiimin (high-performing software team). Huipputuottavat ohjelmistotiimit ovat tiimejä, jotka suoriutuvat tehtävistään merkittävästi keskivertotiimiä paremmin. Huipputuottaviin tiimeihin kuuluvilla henkilöillä on oikeat taidot, tavoitteet ja asenteet tehtävien suorittamiseksi. He ovat erityisen sitoutuneita työhönsä, sekä toisiinsa. Tiimin tuottavuutta voidaan arvioida esimerkiksi tarkastelemalla tuotteen myyntiä tai arvioimalla tuotteen laatuominaisuuksia. Huipputuottavan ohjelmistotiimin rekrytoiminen saattaa olla hankalaa, sillä mikään ennalta määritelty toimi ei näytä takaavan huipputuottavan tiimin muodostumista, koska siihen vaikuttavat useat eri muuttujat. Rekrytoinnissa voi kuitenkin pyrkiä etsimään oman yrityksen kulttuuriin sopivaa ja tietotaidoiltaan oikeanlaista henkilöä. Ennen rekrytointia on hyvä selvittää, minkälaista henkilöä ja osaamista yritykseen tarvitaan. Rekrytointiin voi käyttää useita erilaisia keinoja. Yksi vaihtoehto on etsiä sopivaa henkilöä oman yrityksen sisältä, tai kysyä suosituksia nykyisiltä työntekijöiltä. Lisäksi sosiaalinen media on jatkuvasti kasvava rekrytointikanava varsinkin nuorempien henkilöiden keskuudessa. Osana tutkielmaa haastateltiin kuuden suomalaisen ohjelmistoyrityksen edustajia yritysten rekrytointitapojen selvittämiseksi. Haastatteluissa nousi esiin, että yritysten mielestä rekrytoinnissa oli tärkeää haettavan henkilön sopivuus yrityksen kulttuuriin, mihin liittyy esimerkiksi henkilöiden asenteet, arvot ja sosiaaliset taidot. Yrityksissä arvostettiin oma-aloitteisuutta, itsensä kehittämistä ja konsulttimaisuutta. Lisäksi tekniset taidot olivat tärkeä arvioitava asia. Kaikkien yritysten rekrytointiprosessiin kuului ainakin yleinen haastattelu ja tekninen haastattelu. Henkilöiden osaamista ja asenteita arvioitiin erilaisten haastattelujen avulla, joista osassa haastateltavalle annettiin ratkaistavaksi teknisiä tehtäviä. Haastattelujen perusteella omien työntekijöiden suositukset olivat tärkein lähde hyvien työntekijöiden löytämiseen. Myös sosiaalinen media ja perinteiset työpaikkailmoitukset olivat tärkeä osa rekrytointiprosessia.

The genomes of all animals, plants and fungi are organized into chromosomes, which contain a sequence of the four nucleotides A, T, C and G. Chromosomes are further arranged into homologous groups, where two or more chromosomes are almost exact copies of each others. Species whose homologous groups contain pairs of chromosomes, such as humans, are called diploid. Species with more than two chromosomes in a homologous group are called polyploid. DNA sequencing technologies do not read an entire chromosome from end to end. Instead, the results of DNA sequencing are small sequences called reads or fragments. Due to the difficulty of assembling the full genome from reads, a reference genome is not always available for a species. For this reason, reference-free algorithms which do not use a reference genome are useful for poorly understood genomes. A common variation between the chromosomes in a homologous group is the single nucleotide polymorhpism (SNP), where the sequences differ by exactly one nucleotide at a location. Genomes are sometimes represented as a consensus sequence and a list of SNPs, without information about which variants of a SNP belong in which chromosome. This discards useful information about the genome. Identification of variant compositions aims to correct this. A variant composition is an assignment of the variants in a SNP to the chromosomes. Identification of variant compositions is closely related to haplotype assembly, which aims to solve the sequences of an organism's chromosomes, and variant detection, which aims to solve the sequences of a population of bacterial strains and their frequencies in the population. This thesis extends an existing exact algorithm for haplotype assembly of diploid species (Patterson et al, 2014) to the reference-free, polyploid case. Since haplotype assembly is NP-hard, the algorithm's time complexity is exponential to the maximum coverage of the input. Coverage means the number of reads which cover a position in the genome. Lowering the coverage of the input is necessary. Since the algorithm does not use a reference genome, the reads must be ordered in some other way. Ordering reads is an NP-hard problem and the technique of matrix banding (Junttila, PhD thesis, 2011) is used to approxiately order the reads to lower coverage. Some heuristics are also presented for merging reads. Experiments with simulated data show that the algorithm's accuracy is promising. The source code of the implementation and scripts for running the experiments are available online at https://github.com/maickrau/haplotyper.

This thesis is about learning the globally optimal Bayesian network structure from fully observed dataset, by using score-based method. This structure learning problem is NP- hard, and has attracted the attention of many researchers. We first introduce the necessary background of the problem, then review various score-based methods and algorithms proposed in solving the problem. Parallelization has come under the spotlight during recent years, as it can utilize shared memory and computing power of multi-core supercomputers or computer clusters. We implemented a parallel algorithm Para-OS, which is based on dynamic programming. Experiments were performed in order to evaluate the algorithm. We also propose an improved version of Para-OS, which separates the scoring phase totally from the learning phase, performs score pruning by using Sparse Parent Graph, in addition largely reduces the communication between processors. Empirical results shows the new version saves memory comparing to Para-OS, and provides good runtime with multi-treading.

Profit Software's Profit Life and Pension (PLP) is an investment insurance management system. This means that PLP handles investment insurances from the moment they are sold to when they eventually expire. For a system that handles money, it is important that it can be trusted. Therefore, testing is a required part of PLP's development. This thesis is an investigation into PLP's testing strategy. In this thesis we analyse PLP's current testing strategy to find flaws and impediments. We then offer improvement suggestions to the identified problem areas as well as suggest additions which we found could be beneficial.

XML-tietomallin käyttö on yleistynyt mm. rakenteisissa dokumenteissa, verkkosovellusten toteuttamisessa ja Internetissä tapahtuvassa tiedonsiirrossa. Tämän myötä tarve XML-muotoisen tiedon pysyvään säilyttämiseen on kasvanut. Tähän tarkoitukseen on kehitetty XML-tietomallia tiedonsäilytys- ja käsittelymuotonaan käyttäviä XML-pohjaisia tietokantoja. XML-muotoiset dokumentit ovat usein rakenteeltaan monimuotoisia ja kooltaan suuria. Tämän vuoksi XML-tietokannanhallintajärjestelmä on suunniteltava ja toteutettava tehokkaaksi, jotta sen avulla voidaan kohtuullisin laitteistoresurssein ja lyhyin vasteajoin suorittaa suuriakin määriä tietokantakyselyitä ja -päivityksiä, jotka voivat myös olla monipuolisia ja rinnakkaisia ja kohdistua suureen määrään tietoa kerrallaan. Tässä työssä esitetään, miten XML-tietokannanhallintajärjestelmän suorituskykyä voidaan merkittävästi parantaa dokumenttien indeksoinnilla. Indeksoinnissa XML-dokumenttien elementeille luodaan yksikäsitteiset tunnisteet, joihin perustuen luodaan erilaisia indeksihakemistoja. Indeksoinnin avulla tieto voidaan tehokkaasti paikantaa tietokannan tietosivuilta ja siirtää tietokannanhallintajärjestelmän tietosivujen ja puskurin välillä, mikä nopeuttaa tietokannanhallintajärjestelmän toimintaa ja lisää sen kykyä käsitellä rinnakkaisia luku- ja kirjoituspyyntöjä. Indeksoinnin avulla voidaan myös tehostaa tietokannanhallintajärjestelmän kyselynkäsittelyalgoritmien toimintaa mahdollistamalla niiden käyttämien joukkoliitosoperaatioiden tehokas toteutus. BaseX- ja eXist ovat XML-pohjaisia tietokannanhallintajärjestelmiä, joissa käytettävissä on useita erilaisia indeksejä. Indeksien toteutus näissä järjestelmissä kuvataan, ja näiden järjestelmien tehokkuutta XML-dokumentteihin tehtävien tietokantakyselyiden suorituksessa mitataan ja arvioidaan tätä varten kehitetyn XMark-koetinkuorman avulla.

Cyberthreat intelligence is currently a hot topic in the information security community. Today's business models are forcing organizations to move into the cyberspace, and because of this they phase new threats. Organizations need to address these new threats in order to protect their systems from adversaries. One method for doing so is to develop a threat intelligence program, in which the organization actively gathers intelligence about current and emerging cyberthreats. Indicators of compromise can be used in organization's security infrastructure to look for and to prevent threats in near real-time. Indicators can be obtained from public intelligence feeds, and they can be shared in threat information sharing communities formed by organizations facing similar threats. Regardless of the source of threat intelligence, the intelligence should be evaluated by skilled security analysts to verify that the indicators of compromise suit the target environment. By sharing threat information organizations can benefit from security incidents seen by other organizations, and the participants can leverage the actionable intelligence to adjust their defenses before similar threats realize within their own network. Organizations can utilize purpose-built software to manage their threat intelligence. This supports the organization in developing its threat intelligence program. Threat information management platforms aid organizations in managing the quality and richness of threat intelligence and these platforms often come with information sharing capabilities built into the software, enabling organizations to share threat intelligence with each other. Organizations are able to distribute actionable intelligence into their security infrastructure more easily if they use a threat information management platform as the centralized point for managing the organization's threat intelligence. An example of an integration point is the organization's security information and event management (SIEM) system, which is often utilized by a security operations center (SOC) to perform analytics on the organization's log data. When the logs collected by a SIEM system are enriched with actionable intelligence security analysts are likely to see more informed alerts and less false positives. This thesis defines an integration between a threat information management platform and a SIEM.We measure and evaluate how much the integration reduces SOC's burden of manually importing threat intelligence into their monitoring infrastructure. Two questionnaires with SOC analysts were carried out for this purpose. We also evaluate how much integration fastens the deployment of actionable intelligence for detecting emerging threats. The evaluation is based on security incident ticket data obtained from a production SOC environment.

Tutkielma antaa yleiskuvan Internet-sensuurin teknisestä toteutuksesta, siitä miten tietyt maat sensuroivat kansalaisten verkkoliikennettä ja miten kansalaiset kiertävät tätä sensuuria. Tutkielman alussa taustoitamme, miten Internet toimii teknisesti. Esittelemme tutkielmassa viisi erilaista sensurointitekniikkaa. Nämä ovat pakettisuodatus, DNS-järjestelmään perustuva sensurointi, BGP-protokollan manipulointi, avainsanoihin perustuva suodatus sekä Internet-yhteyden häiriköinti ja kuristaminen. Osa sensurointitekniikoista ylisuodattaa eli sensuroitavaksi päätyy myös tietoa, jota ei ollut tarkoitus estää. Sensori voi yhdistellä eri sensurointitekniikoita isommaksi kokonaisuudeksi ja saada näin ollen paremman hyödyn sensurointijärjestelmästä. Sensorin ei ole pakko rakentaa sensurointijärjestelmää itse. Alalla toimii yrityksiä, jotka myyvät valtioille järjestelmiä sensuroinnin toteuttamiseen. Tutkimme kymmenen maata Freedom Housen ja Reporters Without Borders'n raporttien pohjalta. Näistä maista tutustumme tarkemmin Kiinan ja Iranin Internet-sensuuriin. Lisäksi esittelemme arabikevään tapahtumat Egyptin ja Libyan osalta. Valotamme tutkimiemme maiden nykytilaa Freedom Housen vuoden 2015 Internetin vapaus -raportin avulla. Internet-sensuurin yleistyessä myös sensuroinnin kiertäminen on yleistynyt. Pohjustamme sensuurin kiertämistä esittelemällä viestintäprotokollien päivitettyjä versioita, erilaisia välityspalvelimia ja tunnelointitekniikoita. Tämän jälkeen esittelemme tarkemmin kolme näiden tekniikoiden päälle rakennettua kierto-ohjelmaa. Esiteltävät ohjelmat ovat Psiphon, Tor ja CovertCast. Kerromme mitä kierto-ohjelmia tutkittujen maiden kansalaiset ovat ottaneet käyttöönsä ja miten sensori suhtautuu kierto-ohjelmien käyttöön. Sensori ja kierto-ohjelman kehittäjä kilpailevat nykyään siitä, kumman tekniikka on toista tehokkaampi. Tämän vuoksi emme näe järkeä ratkaista Internet-sensuurin aiheuttamaa sananvapausongelmaa teknisin keinoin. Ongelman ratkaisemiseen tarvitaan pitkäjänteistä poliittista vaikuttamista kansainvälisellä tasolla.

Controlling a complicated mechanical system to perform a certain task, for example, making robot to dance, is a traditional problem studied in the area of control theory. However, evidence shows that incorporating machine learning techniques in robotics can enable researchers to get rid of tedious engineering works of adjusting environmental parameters. Many researchers like Jan Peters, Sethu Vijayakumar, Stefan Schaal, Andrew Ng and Sebastian Thrun are the early explorers in this field. Based on the Partial Observable Markov Decision Process (POMDP) reinforcement learning, they contributed theory and practical implementation of several benchmarks in this field. Recently, one sub-field of machine learning called deep learning gained a lot of attention as a method attempting to model high-level abstractions by using model architectures composed of multiple non-linear layers (for example [Krizhevsky2012]). Several architectures of deep learning networks like deep belief network [Hinton2006], deep Boltzman machine [Salakhutdinov2009], convolutional neural network [Krizhevsky2012] and deep de-noising auto-encoder [Vincent2010] have shown their advantages in specific areas. The main contribution of deep learning is more related to perception which deals with problems like Sensor Fusion [OConnor2013], Nature Language Processing(NLP)[Cho2014] and Object Recognition [Lenz2013][Hoffman2014]. Although considered briefly in Jürgen Schmidhuber's team[Mayer2006], the other area of robotics, namely control, remains more-or-less unexplored in the realm of deep learning. The main focus of this thesis is to introduce general learning methods for robot control problem with an exploration on deep learning method. As a consequence, this thesis tries to describe the transitional learning methods as well as the emerging deep learning methods including new findings in the investigation.