Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
480 - Informática
Departamento / Department
Departamento de Tecnologias Digitais
Ano letivo / Execution Year
2025/2026
Pré-requisitos / Pre-Requisites
Experiência profissional na área de blockchain ou frequência da UC de Fundamentos de Blockchain, ou equivalente
Objetivos Gerais / Objectives
O curso proporcionará formação avançada em algoritmos de consenso para blockchain, cobrindo conceitos teóricos, análise comparativa e implementações práticas em sistemas distribuídos. Os participantes explorarão algoritmos como PoW, PoS, PBFT e suas variantes, aplicando-os a cenários reais para melhorar eficiência, segurança e escalabilidade. Ao final, os alunos estarão preparados para projetar mecanismos de consenso personalizados, contribuindo para inovações em blockchain e transformação digital.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
Conhecimentos: – OA1 - Possui conhecimentos avançados no domínio académico e prático para compreender os algoritmos de consenso em blockchain e seu impacto na descentralização e operações de sistemas distribuídos. – OA2 - Possui conhecimentos avançados para analisar conceitos avançados de mecanismos de consenso e suas aplicações em blockchain. • Competências: – OA3 - É capaz de analisar teorias, métodos e interpretações existentes para trabalhar de forma independente em problemas práticos e teóricos, desenvolvendo soluções de consenso para blockchain. – OA4 - É capaz de utilizar métodos relevantes para investigação independente, identificando oportunidades de inovação em algoritmos de consenso para transformação digital. • Competências gerais: – OA5 - É capaz de comunicar análises e conclusões sobre algoritmos de consenso tanto com especialistas quanto com o público em geral.
Conteúdos Programáticos / Syllabus
CP1: Fundamentos de sistemas distribuídos e tolerância a falhas CP2: Algoritmos clássicos de consenso (e.g., Paxos, Raft) CP3: Mecanismos de consenso em blockchain (PoW, PoS, DPoS) CP4: Consenso tolerante a falhas bizantinas (PBFT e variantes) CP5: Otimização e escalabilidade em algoritmos de consenso CP6: Tendências emergentes e pesquisas futuras em consenso para blockchain
Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular unit's content dovetails with the specified learning outcomes
O OA1 é assegurado pelo CP1 e CP2, fornecendo uma base sólida em sistemas distribuídos e algoritmos clássicos, essencial para compreender o impacto dos mecanismos de consenso na descentralização. O OA2 é abordado através do CP3 e CP4, que exploram mecanismos específicos de blockchain e tolerância a falhas bizantinas. O OA3 é apoiado por CP3, CP4 e CP5, desenvolvendo habilidades analíticas para resolver problemas teóricos e práticos em implementações de consenso. O OA4 é assegurado por CP5 e CP6, promovendo a identificação independente de inovações em otimização e tendências futuras. O OA5 é coberto por CP1 a CP6, fornecendo conhecimento aplicado para comunicação efetiva sobre análises de consenso com diversos públicos.
Avaliação / Assessment
Trabalho grupo com peso de 50% e avaliação individual feita ao longo dos diferentes módulos 50% da nota final (estudo de casos e/ou quizes). Nota mínima de 8 valores em cada uma das componentes da avaliação em grupo e individual.
Metodologias de Ensino / Teaching methodologies
A UC Algoritmos de Consenso para Sistemas Blockchain adotará metodologias baseadas em Estudos de Casos e Aprendizagem Baseada em Tarefas, com gamificação para motivar os estudantes. Esta abordagem alinha-se ao modelo pedagógico do Iscte, onde o aluno é agente ativo na aprendizagem, construindo conhecimento aplicado. Aspectos teóricos serão cobertos em aulas assíncronas, enquanto práticas (simulações e implementações) ocorrerão em sessões síncronas. O trabalho autónomo inclui leituras, exercícios de simulação e projetos de otimização de algoritmos.
Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes
As metodologias de ensino foram selecionadas para alinhar com os objetivos de aprendizagem. Através de aprendizado síncrono (aulas práticas com simulações) e assíncrono (leituras teóricas), os estudantes realizarão tarefas guiadas, analisarão casos de falhas em consensos e desenvolverão protótipos. O feedback docente ajudará a conectar teoria e prática, fomentando pensamento crítico. A gamificação motivará o progresso, premiando análises bem-sucedidas de algoritmos, garantindo compreensão profunda e aplicação em cenários reais.
Observações / Observations
-
Bibliografia Principal / Main Bibliography
"Básica (Basic) • Abraham, I., & Malkhi, D. (2020). The Blockchain Consensus Layer and BFT. • Garay, J., & Kiayias, A. (2020). The Bitcoin Backbone Protocol: Analysis and Applications. • Bashir, I. (2022). Blockchain Consensus: An introduction to classical, blockchain and quantum consensus protocols. • Shi, E. (2022). Foundations of Distributed Consensus and Blockchains."
Bibliografia Secundária / Secondary Bibliography
"• Bitcoin Whitepaper - https://bitcoin.org/bitcoin.pdf (The original paper introducing Proof of Work consensus). • Ethereum Consensus Specs - https://github.com/ethereum/consensus-specs (Specifications for Ethereum’s consensus mechanisms). • Hyperledger Fabric Documentation - https://hyperledger-fabric.readthedocs. io/ (Resources on PBFT and other enterprise consensus algorithms). • Stanford Blockchain Research - https://cbr.stanford.edu/ (Research papers and courses on consensus protocols). • MIT Distributed Systems - https://pdos.csail.mit.edu/papers/ (Papers on classic consensus like Paxos and Raft)."
Data da última atualização / Last Update Date
2026-02-11