Il progetto si pone l'obiettivo di analizzare anomalie comportamentali, attraverso l'utilizzo di paradigmi di Machine Learning, al fine di identificare comportamenti malevoli a valle di un processo di autenticazione e autorizzazione conclusosi positivamente. Mentre sono facilmente identificabili tentativi di accesso non autorizzati a risorse,  ben pi๠sfidante ਠil riuscire ad identificare un utente malevolo una volta che questi ha superato con esito positivo un processo di autenticazione e autorizzazione: attraverso l'utilizzo di algoritmi di Deep Learning una rete neurale sarà in grado di discriminare comportamenti attribuibili ad utenti leciti o meno. L'addestramento della rete neurale ਠeffettuato utilizzando gli eventi memorizzati nei sistemi di tracciamento, opportunamente anonimizzati, per permettere a regime una classificazione real time degli stessi e quindi  una immediata reazione all'incidente.
SISTEMA DI DEEP LEARNING PER L'ANALISI COMPORTAMENTALE DEGLI UTENTI AI FINI DELLA SICUREZZA INFORMATICA
2019
Abstract
Il progetto si pone l'obiettivo di analizzare anomalie comportamentali, attraverso l'utilizzo di paradigmi di Machine Learning, al fine di identificare comportamenti malevoli a valle di un processo di autenticazione e autorizzazione conclusosi positivamente. Mentre sono facilmente identificabili tentativi di accesso non autorizzati a risorse,  ben pi๠sfidante ਠil riuscire ad identificare un utente malevolo una volta che questi ha superato con esito positivo un processo di autenticazione e autorizzazione: attraverso l'utilizzo di algoritmi di Deep Learning una rete neurale sarà in grado di discriminare comportamenti attribuibili ad utenti leciti o meno. L'addestramento della rete neurale ਠeffettuato utilizzando gli eventi memorizzati nei sistemi di tracciamento, opportunamente anonimizzati, per permettere a regime una classificazione real time degli stessi e quindi  una immediata reazione all'incidente.| File | Dimensione | Formato | |
|---|---|---|---|
|
frontespizio.pdf
accesso solo da BNCF e BNCR
Tipologia:
Altro materiale allegato
Licenza:
Tutti i diritti riservati
Dimensione
98.02 kB
Formato
Adobe PDF
|
98.02 kB | Adobe PDF | |
|
Tesi.pdf
accesso solo da BNCF e BNCR
Tipologia:
Altro materiale allegato
Licenza:
Tutti i diritti riservati
Dimensione
10.34 MB
Formato
Adobe PDF
|
10.34 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.14242/296529
URN:NBN:IT:UNIMORE-296529