Experiente em pesquisa científica e suas aplicações à pesquisa técnica e desenvolvimento de software. Colaborou em projetos de setores públicos e privados para desenvolver, implementar e entregar soluções científicas e técnicas. Receptor de vários prêmios e bolsas de estudo e co-autor de artigos científicos publicados em locais de alto impacto. Apaixonado por privacidade de dados, métodos formais para verificação de algoritmo e segurança da informação. Atualmente migrando da academia para a indústria em busca de novos desafios.

Doutor em Ciência da Computação pela Macquarie University, Austrália. Mestre em Ciência da Computação e Bacharel em Física pela Universidade Federal de Minas Gerais (UFMG), Brasil. Membro do Topete Research Group e do Laboratório INSCRYPT | T-Rex.

Interesses
  • Métodos Formais
  • Fluxo de Informação Quantitativo
  • Computação Responsável
  • Privacidade de Dados
  • Segurança da Informação
  • Inteligência Artificial
  • Neurociência
Formação

  • Doutorado em Ciência da Computação, 2025

    Macquarie University, Austrália

  • Doutorado em Ciência da Computação, 2025

    Universidade Federal de Minas Gerais, Brazil

  • Mestrado em Ciência da Computação, 2021

    Universidade Federal de Minas Gerais

  • Bacharelado em Física, 2018

    Universidade Federal de Minas Gerais

Destaques

Publicações

Mário S. Alvim, Natasha Fernandes, Annabelle McIver, Gabriel H. Nunes (2024). The Privacy-Utility Trade-off in the Topics API. CCS 2024.

PDF Citação Código Dados Documento Fonte DOI

Gabriel H. Nunes (2024). AOL Dataset for Browsing History and Topics of Interest. CCS 2024.

Citação Documento Fonte DOI

Gabriel H. Nunes (2024). Topics API Analysis. CCS 2024.

Citação Código Dados Documento Fonte DOI

CJ Carey, Travis Dick, Alessandro Epasto, Adel Javanmard, Josh Karlin, Shankar Kumar, Andres Muñoz Medina, Vahab Mirrokni, Gabriel H. Nunes, Sergei Vassilvitskii, Peilin Zhong (2023). A new Framework for Measuring Re-Identification Risk. RegML @ NeurIPS 2023.

PDF Citação Pôster Documento Fonte

Mário S. Alvim, Natasha Fernandes, Annabelle McIver, Gabriel H. Nunes (2023). A Quantitative Information Flow Analysis of the Topics API. WPES 2023.

PDF Citação Documento Fonte DOI

Mais Publicações

Tópicos

Ataques de Inferência CCS Controle de Divulgação Cookies de Terceiros Datasets Longitudinais Datasets Muito Grandes DCC Fluxo de Informação Quantitativo Métodos Formais Microdados Padrões da Web Privacidade Publicidade Baseada em Interesses Representações de Usuário Risco de Reidentificação Topics API Trade-off de Privacidade-Utilidade Transparência UFMG Utilidade