| KEYWORD |
Tecniche avanzate di network analysis e auto apprendimento per riconoscimento di anomalie del traffico di rete
Tesi esterna in azienda
Parole chiave MACHINE LEARNING, ARTIFICIAL NEURAL NETWORKS
Riferimenti ALESSANDRO ALIBERTI, EDOARDO PATTI
Riferimenti esterni Alessio Viticchié
Gruppi di ricerca DAUIN - GR-06 - ELECTRONIC DESIGN AUTOMATION - EDA, EDA Group, ELECTRONIC DESIGN AUTOMATION - EDA, Energy Center Lab, GR-06 - ELECTRONIC DESIGN AUTOMATION - EDA, ICT4SS - ICT FOR SMART SOCIETIES
Tipo tesi RICERCA APPLICATA
Descrizione Nel contesto di un progetto aziendale, lo studente investigherà lo stato dell'arte delle tecniche di Machine Learning per l'analisi di del traffico di rete al fine di realizzare uno strumento di analisi automatico del traffico di rete in grado di individuare anomalie e problematiche di sicurezza.
La tesi si svilupperà in due fasi principali:
Analisi del traffico di rete industriale per la definizione di modelli di riferimento del traffico normale e di anomalie.
Implementazione di algoritmi di auto apprendimento in grado di riconoscere le anomalie rilevate nel traffico di rete e di segnalare eventuali minacce alla sicurezza.
Risultati attesi:
La tesi mira a produrre un sistema di riconoscimento di anomalie e minacce altamente efficiente e affidabile, basato su tecniche di auto apprendimento e analisi di rete avanzate. Il sistema sarà in grado di rilevare in tempo reale eventuali attacchi alla rete industriale e di notificare gli operatori di sicurezza per prendere tempestivamente le misure necessarie. La tesi contribuirà quindi a migliorare la sicurezza dei sistemi industriali, riducendo il rischio di danni o interruzioni del servizio.
Scadenza validita proposta 13/03/2024
PROPONI LA TUA CANDIDATURA