Καινοτόμα μοντέλα τεχνητής νοημοσύνης για την ανίχνευση κυβερνοεπιθέσεων στο διαδίκτυο των πραγμάτων

Εύμορφος, Σπήλιος; Βλαχοδημητρόπουλος, Γεώργιος; Evmorfos, Spilios; Vlachodimitropoulos, Georgios

dc.contributor.author	Εύμορφος, Σπήλιος	el
dc.contributor.author	Βλαχοδημητρόπουλος, Γεώργιος	el
dc.contributor.author	Evmorfos, Spilios	en
dc.contributor.author	Vlachodimitropoulos, Georgios	en
dc.date.accessioned	2021-07-28T08:56:28Z
dc.date.available	2021-07-28T08:56:28Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53713
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.21411
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Τεχνο-οικονομικά συστήματα”	el
dc.rights	Default License
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Ασφάλεια	el
dc.title	Καινοτόμα μοντέλα τεχνητής νοημοσύνης για την ανίχνευση κυβερνοεπιθέσεων στο διαδίκτυο των πραγμάτων	el
heal.type	masterThesis
heal.classification	διαδίκτυο	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-06-18
heal.abstract	Ο κυριότερος στόχος της εν λόγω εργασίας είναι η παρουσίαση καινοτόμων μεθόδων για την ανίχνευση επιθέσεων τύπου Distributed Denial of Service (DDoS) σε δίκτυα τύπου Internet of Things (IoT) σε επίπεδο δικτύου. Χρησιμοποιώντας την αλληλουχία των πακέτων του δικτύου που δέχεται ο εκάστοτε κόμβος ως δεδομένα, εκμεταλλευόμαστε τις τεράστιες δυνατότητες μοντελοποίησης που παρέχουν τα βαθιά νευρωνικά δίκτυα. Για την πραγματοποίηση της εργασίας χρειάστηκε ο σχεδιασμός και η υλοποίηση δύο βασικών εργαλείων. Σε πρώτο στάδιο υλοποιήθηκε ένας Traffic Generator για τη προσομοίωση καλόβουλης και κακόβουλης κίνησης και συλλογής των απαραίτητων δεδομένων. Σε επόμενο βήμα, τα δεδομένα που συλλέχτηκαν, χρησιμοποιήθηκαν για την εκπαίδευση βαθιών νευρωνικών αρχιτεκτονικών (LSTMs και Random Neural Networks) και τέλος αξιολογήθηκαν για την αποτελεσματικότητά τους. Τα αποτελέσματα έχουν δημοσιευτεί και στο PETRA Conference της ACM υπό τον τίτλο: «Neural network architectures for the detection of SYN flood attacks in IoT systems»	el
heal.advisorName	Δουλάμης, Νικόλαος	el
heal.committeeMemberName	Δουλάμης, Αναστάσιος	el
heal.committeeMemberName	Πρωτονοτάριος, Εμμανουήλ	el
heal.committeeMemberName	Δουλάμης, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	60 σ.	el
heal.fullTextAvailability	false