Εποπτεία συσκευών για την αναγνώριση έκτοπων τιμών

Αναγνωστίδης, Σωτήριος - Κωνσταντίνος; Anagnostidis, Sotirios - Konstantinos

dc.contributor.author	Αναγνωστίδης, Σωτήριος - Κωνσταντίνος	el
dc.contributor.author	Anagnostidis, Sotirios - Konstantinos	en
dc.date.accessioned	2018-09-17T07:43:32Z
dc.date.available	2018-09-17T07:43:32Z
dc.date.issued	2018-09-17
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/47595
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.15719
dc.rights	Default License
dc.subject	Ανίχνευση ανωμαλιών	el
dc.subject	Κρυφό Μαρκοβιανό Μοντέλο	el
dc.subject	Απόσταση Kullback - Leibler	el
dc.subject	Αλγόριθμος Expectation Maximization πραγματικού χρόνου	el
dc.subject	Ομαδοποίηση	el
dc.subject	Anomaly detection	en
dc.subject	Hidden Markov Model	el
dc.subject	Kullback - Leibler divergence	el
dc.subject	Online Expectation Maximization	el
dc.subject	Clustering	el
dc.title	Εποπτεία συσκευών για την αναγνώριση έκτοπων τιμών	el
heal.type	bachelorThesis
heal.classification	Αναγνώριση προτύπων	el
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2018-07-18
heal.abstract	Με τον αριθμό των διασυνδεδεμένων στο διαδίκτυο συσκευών - χρηστών να αυξάνεται συνεχώς, υπάρχει μια ολοένα αυξανόμενη ανάγκη στενής παρακολούθησης αυτών, καθώς και των ροών που αυτές παράγουν. Η παρακολούθηση αυτή οφείλει να λαμβάνει χώρα σε πραγματικό χρόνο και να προσαρμόζεται στις δυναμικές συμπεριφορές των χρηστών. Στην παρούσα διπλωματική εργασία παρουσιάζουμε ένα μηχανισμό κατηγοριοποίησης των ανά συσκευή ροών αυτών, σε ορισμένες δυναμικές καταστάσεις. Η δαδικασία αποσκοπεί στη σημαντική μείωση της πληροφορίας. Στη συνέχεια μοντελοποιούμε τις μεταβάσεις των συσκευών μεταξύ των καταστάσεων αυτών. Τέλος ομαδοποιούμε τους χρήστες αυτούς σύμφωνα με τις μεταβάσεις όπως αυτές διαμορφώθηκαν, με στόχο τη δημιουργία ορισμένων προφίλ συμπεριφοράς. Η παραπάνω διαδικασία μας επιτρέπει να καταλήξουμε σε χρήσιμες πληροφορίες σχετικά με την κίνηση των συσκευών, ενώ παράλληλα οδηγεί και στην απομόνωση συσκευών με ιδιάζουσα συμπεριφορά. Επιτρέπει με τον τρόπο αυτό σε ένα διαχειριστή συστήματος τον περιορισμό των χρηστών που αξίζουν περαιτέρω διερεύνηση.	el
heal.abstract	While the number of online devices - users continues to rise, there is an increas- ing need for close monitoring of these devices, as well as the ﬂows they generate. This monitoring should take place in a real time context and be adapted to the dynamic behaviors of these users. In this diploma thesis we present a mechanism for categorizing the device ﬂows in a number of dynamic states. This process is aimed at signiﬁcantly reducing the volume of useful information. Then we model the transitions of the devices between these states. Finally, we group these users according to the transitions that they produced in order to identify certain behavioral proﬁles. The above procedure allows us to come up with useful information about the ﬂows generated by the devices, while also leading to the isolation of devices with irregular behavior. This system can greatly assist administrators by restricting users they should pay more attention to.	en
heal.advisorName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Τσανάκας, Παναγιώτης	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	100 σ.
heal.fullTextAvailability	true