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.
2019
it
Dipartimento di Ingegneria "Enzo Ferrari"
Università degli Studi di Modena e Reggio Emilia
File in questo prodotto:
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.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/296529
Il codice NBN di questa tesi è URN:NBN:IT:UNIMORE-296529