PhD in Computer Science / دكتوراة علم حاسوب

إنجاز بحثي متميز جديد يُضاف إلى مسيرة برنامج دكتوراة علم الحاسوب في جامعة بيرزيت في مجال الأمن السيبراني

يسعدنا الإعلان عن قبول ورقة بحثية متميزة لطالب الدكتوراة في علم الحاسوب بجامعة بيرزيت، أحمد صباح، للنشر في واحدة من أعرق المجلات العلمية عالمياً: IEEE Transactions on Dependable and Secure Computing (TDSC) (المصنفة ضمن الربع الأول Q1 بمعامل تأثير 7.5)

عنوان البحث:

"Understanding Concept Drift with Deprecated Permissions in Android Malware Detection"

"فهم انجراف المفاهيم في نماذج تعلم الآلة والتعلم العميق باستخدام الأذونات المهملة في كشف البرمجيات الخبيثة على نظام أندرويد"

تتناول هذه الدراسة تأثير تطور نظام الأذونات في نظام أندرويد على أداء نماذج كشف البرمجيات الخبيثة، حيث تؤدي التغييرات مثل إهمال أو تقييد بعض الأذونات إلى حدوث ما يُعرف بانجراف المفاهيم. وبالاعتماد على بيانات تضم أكثر من 70 ألف تطبيق، أظهرت النتائج أن تجاهل هذه التغيرات قد يؤدي إلى انخفاض دقة النماذج، في حين أن توازن البيانات يسهم في تحسين الأداء، لكنه قد يزيد من حساسية النماذج لانجراف البيانات.

كما أظهرت الدراسة أن اختلاف إصدارات أندرويد والتلاعب بالأذونات يمكن أن يؤثر بشكل كبير على فعالية النماذج، مما يستدعي تطوير نماذج ذكية قادرة على التكيف مع هذه التغيرات، لضمان كشف أكثر دقة واستقراراً للبرمجيات الخبيثة.

هذا البحث هو ثمرة إشراف وتوجيه كل من البروفيسور عزيز محيسن (جامعة فلوريدا الوسطى)، والدكتور راضي جرار، والدكتور سامر الزين من جامعة بيرزيت، ويُعد جزءاً من أطروحة الدكتوراة للمرشح أحمد صباح.

🔗 للاطلاع على النسخة الأولية: https://arxiv.org/abs/2507.22231

إنجاز بحثي فلسطيني جديد من جامعة بيرزيت في فضاء الأمن السيبراني
يسعدنا الإعلان عن قبول ورقة بحثية مميزة لطالب الدكتوراة في علم الحاسوب بجامعة بيرزيت، محمد خرمة، للنشر في واحدة من أعرق المجلات العلمية عالمياً:
IEEE Transactions on Dependable and Secure Computing (TDSC)
(المصنفة ضمن الربع الأول Q1 بمعامل تأثير 7.5).
جاء البحث بعنوان:
"الأمن والجودة في الشيفرة البرمجية المولَّدة بواسطة نماذج اللغة الكبيرة: تحليل متعدد اللغات ومتعدد النماذج"
عن الدراسة:
على مدار عامين من العمل الدؤوب وثلاث جولات من التحكيم الدقيق، قدم الفريق دراسة تجريبية واسعة لنماذج الذكاء الاصطناعي (LLMs). شملت الدراسة تقييم أمن وجودة البرمجيات المولدة بلغات (Python, Java, C++, C)، معتمدين على 200 مهمة برمجية صُممت يدوياً واختُبرت بدقة عبر أدوات متقدمة مثل SonarQube و CodeQL.
فريق العمل:
البحث هو ثمرة تعاون بحثي مشترك بين:
الباحث محمد خرمة، د. سوهيون تشوي، د. محمد الخنافسة، والبروفيسور ديفيد محيسن.
هذا العمل هو جزء من أطروحة الدكتوراة لمحمد خرمة، بإشراف البروفيسور ديفيد محيسن و د. محمد الخنافسة.
🔗 للاطلاع على النسخة الأولية: https://arxiv.org/pdf/2502.01853
Mohaisen kharma

قرب الإعلان عن فتح باب القبول لبرنامج الدكتوراه في علم الحاسوب للعام الأكاديمي 2025/2026
يسر كلية الدراسات العليا في جامعة بيرزيت أن تعلن عن قرب فتح باب القبول لبرنامج الدكتوراه في علم الحاسوب،
وهو البرنامج الأكاديمي المتقدم الذي يهدف إلى إعداد جيل من الباحثين والأكاديميين والمبتكرين في مجال الحاسوب والذكاء الاصطناعي وتقنيات المستقبل
نتفرد بتوفيرنا بيئة بحثية متقدّمة، وإشراف أكاديمي متميز، وفرصاً تعليمية تعزز الإبداع والتميز.
نرحب باستقبال استفساراتكم من خلال بريد الصفحة او الاتصال على هاتف رقم 2982040
أو على بريد برنامج الدكتوراة: [email protected]
Birzeit University | جامعة بيرزيت

Join us at to learn 𝐇𝐨𝐰 𝐭𝐨 𝐮𝐬𝐞 𝐨𝐧𝐭𝐨𝐥𝐨𝐠𝐢𝐞𝐬 𝐢𝐧 𝐋𝐋𝐌 𝐩𝐫𝐨𝐦𝐩𝐭𝐬?

We are excited to release our 𝐖𝐨𝐣𝐨𝐨𝐝𝐎𝐧𝐭𝐨𝐥𝐨𝐠𝐲 for 𝐍𝐚𝐦𝐞𝐝 𝐄𝐧𝐭𝐢𝐭𝐲 𝐑𝐞𝐜𝐨𝐠𝐧𝐢𝐭𝐢𝐨𝐧 and 𝐑𝐞𝐥𝐚𝐭𝐢𝐨𝐧 𝐄𝐱𝐭𝐫𝐚𝐜𝐭𝐢𝐨𝐧 at at .

يسعدنا الإعلان عن "أنطولوجيا وجود"، لتوحيد طرق استخراج أسماء الأعلام والعلاقات بينها، وكذلك استخدام الانطولوجيا أثناء استخدام النماذج اللغوية الضخمة.

- Paper: https://lnkd.in/dyVydKvN
- Download: https://lnkd.in/dYDka4sw
- YouTube: https://lnkd.in/dsN2mTrs
- Slides: https://lnkd.in/dQJm55S4

𝐒𝐡𝐨𝐫𝐭 𝐬𝐮𝐦𝐦𝐚𝐫𝐲:
Information Extraction tasks such as Named Entity Recognition and Relation Extraction often rely on diverse tagsets and annotation guidelines, creating challenges for model generalization, cross-dataset evaluation, and interoperability. To overcome these issues, WojoodOntology provides a unified semantic framework that aligns heterogeneous tagsets and guidelines.

It supports two ontology-based mapping strategies: rule-based unidirectional alignment and ontology-based prompting, where ontology concepts are embedded directly into large language model prompts to enable more effective bidirectional mappings. Experiments demonstrate that ontology-based prompting improves out-of-domain mapping accuracy by 15% compared to rule-based methods. Additionally, WojoodOntology is aligned with Schema.org and Wikidata, ensuring compatibility with knowledge graphs and facilitating wider industry adoption.

#𝐒𝐡𝐚𝐫𝐞𝐝𝐓𝐚𝐬𝐤

Alaa Aljabari Nagham Hamad Mohammed Khalilia Mustafa Jarrar Birzeit University

Article: 𝐫𝐞𝐥𝐚𝐭𝐢𝐨𝐧 𝐞𝐱𝐭𝐫𝐚𝐜𝐭𝐢𝐨𝐧 𝐜𝐨𝐫𝐩𝐮𝐬. ~550K tokens, 40 relations.
نشر ورقة في مؤتمر مرموق للطالبة ألاء الجعبري - برنامج الدكتوراة بعلم الحاسوب. الورقة تقدم منهجية مدونة جديدة لاستخراج العلاقات بين أسماء الأعلام في النصوص العربية.

Article:https://www.jarrar.info/publications/JKJ25.pdf
Download: https://sina.birzeit.edu/relations/
Demo: https://sina.birzeit.edu/relations/
Slides:https://www.jarrar.info/Talks/wojood_relations_paper.pdf

𝐬𝐮𝐦𝐦𝐚𝐫𝐲: We introduce WojoodRelations, the largest Arabic relation extraction corpus, containing 33K sentences and 15K annotated relation triples across 40 distinct relation types. We also propose new methods for supervised and LLM-based RE, with our models achieving up to 92.9% F1, setting strong baselines for future research.




SinaLab
PhD in Computer Science / دكتوراة علم حاسوب
Faculty of Engineering and Technology - Birzeit University
Birzeit University | جامعة بيرزيت

Our 7 articles at in China, (Join us!):
سبعة أوراق ستعرض في المؤتمر الدولي لأساليب المعالجة اللغوية الطبيعية في الصين

1 𝐖𝐨𝐣𝐨𝐨𝐝𝐑𝐞𝐥𝐚𝐭𝐢𝐨𝐧𝐬: 𝐀𝐫𝐚𝐛𝐢𝐜 𝐑𝐞𝐥𝐚𝐭𝐢𝐨𝐧 𝐄𝐱𝐭𝐫𝐚𝐜𝐭𝐢𝐨𝐧 𝐂𝐨𝐫𝐩𝐮𝐬 𝐚𝐧𝐝 𝐌𝐨𝐝𝐞𝐥𝐢𝐧𝐠.
https://www.jarrar.info/publications/JKJ25.pdf
at

2 𝐀𝐜𝐭𝐢𝐯𝐞 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐟𝐨𝐫 𝐌𝐮𝐥𝐭𝐢𝐝𝐢𝐚𝐥𝐞𝐜𝐭𝐚𝐥 𝐀𝐫𝐚𝐛𝐢𝐜 𝐏𝐎𝐒 𝐓𝐚𝐠𝐠𝐢𝐧𝐠.
https://www.jarrar.info/publications/AKJ25.pdf
at

3 𝐏𝐞𝐚𝐫𝐥: 𝐀 𝐌𝐮𝐥𝐭𝐢𝐦𝐨𝐝𝐚𝐥 𝐂𝐮𝐥𝐭𝐮𝐫𝐚𝐥𝐥𝐲-𝐀𝐰𝐚𝐫𝐞 𝐀𝐫𝐚𝐛𝐢𝐜 𝐈𝐧𝐬𝐭𝐫𝐮𝐜𝐭𝐢𝐨𝐧 𝐃𝐚𝐭𝐚𝐬𝐞𝐭.
https://www.jarrar.info/publications/AME25.pdf
at

4 𝐖𝐨𝐣𝐨𝐨𝐝𝐎𝐧𝐭𝐨𝐥𝐨𝐠𝐲: 𝐎𝐧𝐭𝐨𝐥𝐨𝐠𝐲-𝐃𝐫𝐢𝐯𝐞𝐧 𝐋𝐋𝐌 𝐏𝐫𝐨𝐦𝐩𝐭𝐢𝐧𝐠 𝐟𝐨𝐫 𝐔𝐧𝐢𝐟𝐢𝐞𝐝 𝐈𝐧𝐟𝐨𝐫𝐦𝐚𝐭𝐢𝐨𝐧 𝐄𝐱𝐭𝐫𝐚𝐜𝐭𝐢𝐨𝐧 𝐓𝐚𝐬𝐤𝐬.
https://www.jarrar.info/publications/JHKJ25.pdf
at

5 𝐈𝐦𝐚𝐠𝐞𝐄𝐯𝐚𝐥 𝟐𝟎𝟐𝟓: 𝐓𝐡𝐞 𝐅𝐢𝐫𝐬𝐭 𝐀𝐫𝐚𝐛𝐢𝐜 𝐈𝐦𝐚𝐠𝐞 𝐂𝐚𝐩𝐭𝐢𝐨𝐧𝐢𝐧𝐠 𝐒𝐡𝐚𝐫𝐞𝐝 𝐓𝐚𝐬𝐤
https://www.jarrar.info/publications/BAH25.pdf
at

6 𝐓𝐡𝐞 𝐀𝐫𝐚𝐆𝐞𝐧𝐄𝐯𝐚𝐥 𝐒𝐡𝐚𝐫𝐞𝐝 𝐓𝐚𝐬𝐤 𝐨𝐧 𝐀𝐫𝐚𝐛𝐢𝐜 𝐀𝐮𝐭𝐡𝐨𝐫𝐬𝐡𝐢𝐩 𝐒𝐭𝐲𝐥𝐞𝐓𝐫𝐚𝐧𝐬𝐟𝐞𝐫 𝐚𝐧𝐝 𝐀𝐈 𝐆𝐞𝐧𝐞𝐫𝐚𝐭𝐞𝐝 𝐓𝐞𝐱𝐭 𝐃𝐞𝐭𝐞𝐜𝐭𝐢𝐨𝐧
https://www.jarrar.info/publications/AEA25.pdf
at

7 𝐍𝐀𝐃𝐈 𝟐𝟎𝟐𝟓: 𝐓𝐡𝐞 𝐅𝐢𝐫𝐬𝐭 𝐌𝐮𝐥𝐭𝐢𝐝𝐢𝐚𝐥𝐞𝐜𝐭𝐚𝐥 𝐀𝐫𝐚𝐛𝐢𝐜 𝐒𝐩𝐞𝐞𝐜𝐡 𝐏𝐫𝐨𝐜𝐞𝐬𝐬𝐢𝐧𝐠 𝐒𝐡𝐚𝐫𝐞𝐝 𝐓𝐚𝐬𝐤
https://www.jarrar.info/publications/TTS25.pdf
at

#𝐒𝐡𝐚𝐫𝐞𝐝𝐓𝐚𝐬𝐤
SinaLab
Birzeit University | جامعة بيرزيت

ورقة: اكتشفنا ان مدونة من 15K كلمة تكفي لتدريب نموذج لكل لهجة.
Spotlight Paper: 𝗔𝗰𝘁𝗶𝘃𝗲 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 𝗳𝗼𝗿 𝗠𝘂𝗹𝘁𝗶𝗱𝗶𝗮𝗹𝗲𝗰𝘁𝗮𝗹 𝗔𝗿𝗮𝗯𝗶𝗰 𝗣𝗢𝗦 𝗧𝗮𝗴𝗴𝗶𝗻𝗴, accepted at .
👉 annotating 15K tokens is enough for high accuracy in POS tagging.
Paper: https://lnkd.in/dMtnSd8a
Slides: https://lnkd.in/diBzkfzZ
𝐒𝐡𝐨𝐫𝐭 𝐬𝐮𝐦𝐦𝐚𝐫𝐲: We introduce an active learning approach for multidialectal (Palestinian, Syrian, Lebanese, Egyptian, Emirati) POS tagging that cuts annotation costs while maintaining high accuracy. We also found that ~15K annotated tokens is enough to achieve very high accuracy (97%). See the paper for the details.
#𝐒𝐡𝐚𝐫𝐞𝐝𝐓𝐚𝐬𝐤
SinaLab
Birzeit University | جامعة بيرزيت
Hamad Bin Khalifa University