Please use this identifier to cite or link to this item:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18694
Title: | Σύστημα Ανίχνευσης Εισβολής με Μηχανική Μάθηση και Νευρωνικά Δίκτυα |
Authors: | Κατσαρός, Περικλής Βαρβαρίγου Θεοδώρα |
Keywords: | Σύστημα Ανίχνευσης Εισβολής, Μηχανική Μάθηση, Τεχνητή Νοημοσύνη, Σύνολα Δεδομένων, scikit-learn, PyTorch |
Issue Date: | 20-Jun-2023 |
Abstract: | Με την παρούσα διπλωματική εργασία είχα την ευκαιρία να μελετήσω την ανάπτυξη ενός Συστήματος Ανίχνευσης Εισβολής ή IDS (Intrusion Detection System), υλοποιημένου με χρήση Μηχανικής Μάθησης (Machine Learning, ML). Στο πλαίσιο αυτό αρχικά περιγράφεται η θεωρία της Μηχανικής Μάθησης, η προεπεξεργασία των δεδομένων και οι αλγόριθμοι που χρησιμοποιούνται. Ύστερα, αναλύονται τα είδη των IDS με τις διαφορετικές φιλοσοφίες υλοποίησης τους, με έμφαση στις δυνατότητες αξιοποίησης της Μηχανικής Μάθησης. Κατόπιν αυτού, παρουσιάζονται τα πιο ευρέως διαδεδομένα σύνολα δεδομένων που χρησιμοποιούνται για την ανάπτυξη IDS μαζί με αντιπροσωπευτικές έρευνες πάνω σε αυτά. Στην συνέχεια της εργασίας παρουσιάζεται ο σχεδιασμός του συστήματος που υλοποιήθηκε και αφορά την περιγραφή διαφορετικών μοντέλων για την μεταξύ τους σύγκριση, την προεπεξεργασία των δεδομένων και την διαδικασία παραμετροποίησης των συστημάτων. Ακολούθως παρουσιάζονται τα αποτελέσματα της έρευνας πάνω σε δεδομένα προερχόμενα απ’ τα ίδια σύνολα δεδομένων επί των οποίων έγινε η εκπαίδευση, καθώς και επί πραγματικών ροών δεδομένων, μαζί με σχολιασμό για τα συμπεράσματα που μπορούν να προκύψουν από αυτά. Τέλος, η εργασία ολοκληρώνεται με την σύνοψη ενώ στο παράρτημα περιλαμβάνονται επιλεγμένα τμήματα κώδικα και γίνεται μία περεταίρω ανάλυση για επιμέρους θέματα μηχανικής μάθησης που ξεφεύγουν απ’ το αντικείμενο της μελέτης αλλά βοηθούν στην καλύτερη κατανόηση της εφαρμογής τους στα IDS. |
URI: | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18694 |
Appears in Collections: | Διπλωματικές Εργασίες - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Thesis.pdf | 2.36 MB | Adobe PDF | View/Open |
Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.