Θεωρητική μελέτη τεχνικών ανάλυσης χρονοσειρών για τον εντοπισμό ανωμαλιών σε εφαρμογές στο διαδίκτυο των πραγμάτων

Με τη ραγδαία επέκταση του Διαδικτύου των Πραγμάτων (IoT) και την αυξανόμενη ενσωμάτωσή του σε διάφορους τομείς, η διασφάλιση της ασφάλειας και της αξιοπιστίας των συστημάτων IoT καθίσταται υψίστης σημασίας. Το παρόν έγγραφο παρέχει μια εκτενή διερεύνηση της ανίχνευσης ανωμαλιών στο πλαίσιο του IoT,...

Πλήρης περιγραφή

Αποθηκεύτηκε σε:

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας:	Μανωλτσίδου, Άννα
Άλλοι συγγραφείς:	Μεσαριτάκης, Χάρης
Γλώσσα:	el_GR
Δημοσίευση:	2024
Θέματα:	τεχνικές ανάλυσης χρονοσειρών ανίχνευση ανωμαλιών εφαρμογές στο διαδίκτυο των πραγμάτων αλγόριθμοι μηχανικής μάθησης αισθητήρες συστήματα επιτήρησης ασφάλεια time series analysis techniques anomaly detection Internet of Things (IoT) applications machine learning algorithms sensors monitoring systems security Time-series analysis Internet of things Anomaly detection (Computer security) Machine learning
Διαθέσιμο Online:	http://hdl.handle.net/11610/26127
Ετικέτες:	Προσθήκη ετικέτας Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!

_version_	1828461391763210240
author	Μανωλτσίδου, Άννα
author2	Μεσαριτάκης, Χάρης
author_facet	Μεσαριτάκης, Χάρης Μανωλτσίδου, Άννα
author_sort	Μανωλτσίδου, Άννα
collection	DSpace
description	Με τη ραγδαία επέκταση του Διαδικτύου των Πραγμάτων (IoT) και την αυξανόμενη ενσωμάτωσή του σε διάφορους τομείς, η διασφάλιση της ασφάλειας και της αξιοπιστίας των συστημάτων IoT καθίσταται υψίστης σημασίας. Το παρόν έγγραφο παρέχει μια εκτενή διερεύνηση της ανίχνευσης ανωμαλιών στο πλαίσιο του IoT, εστιάζοντας σε διάφορες μεθοδολογίες και τεχνικές για την αποτελεσματική ανίχνευση. Το έγγραφο ξεκινά με μια εισαγωγή στο IoT και τη σημασία του, ακολουθούμενη από μια εμπεριστατωμένη συζήτηση σχετικά με τη σημασία της ανίχνευσης ανωμαλιών σε περιβάλλοντα IoT. Παρουσιάζονται διάφορες τεχνικές ανίχνευσης ανωμαλιών ειδικά για το IoT. Επιπλέον, το έγγραφο εμβαθύνει στην ταξινόμηση και την κατηγοριοποίηση των ανωμαλιών, εντοπίζοντας τις περιοχές όπου εμφανίζονται συνήθως ανωμαλίες στα δίκτυα IoT. Στην επιδίωξη της αντιμετώπισης των ανωμαλιών, το έγγραφο διερευνά διάφορες προσεγγίσεις και μεθοδολογίες για τη μελέτη των ανωμαλιών. Επιπλέον, διερευνά διάφορες τεχνικές ανίχνευσης. Στη συνέχεια, το έγγραφο εστιάζει στην ανάλυση των τεχνικών ανίχνευσης ανωμαλιών, συμπεριλαμβανομένης της στατιστικής ανάλυσης, των μεθόδων μηχανικής μάθησης, της φασματικής ανάλυσης, της ανίχνευσης ανωμαλιών συμπεριφοράς, της αναγνώρισης προτύπων, της ανάλυσης παραμέτρων, της ανάλυσης συμπεριφοράς και της ανάλυσης δικτύου. Περαιτέρω ενότητες εμβαθύνουν στις βασικές αρχές των βαθιών νευρωνικών δικτύων (DNN). Διερευνάται επίσης η εφαρμογή των DNN στην ανίχνευση ανωμαλιών, υπογραμμίζοντας τα δυνητικά οφέλη τους στην ανίχνευση σύνθετων και λεπτών ανωμαλιών. Μετά τη συζήτηση σχετικά με τα DNN, παρουσιάζονται τα αναδρομικά νευρωνικά δίκτυα (RNN) και η υπολογιστική δεξαμενής (Reservoir Computing), παρουσιάζοντας τη σημασία και τις δυνατότητές τους στην ανίχνευση ανωμαλιών IoT.
id	oai:hellanicus.lib.aegean.gr:11610-26127
institution	Hellanicus
language	el_GR
publishDate	2024
record_format	dspace
spelling	oai:hellanicus.lib.aegean.gr:11610-261272024-02-15T21:16:50Z Θεωρητική μελέτη τεχνικών ανάλυσης χρονοσειρών για τον εντοπισμό ανωμαλιών σε εφαρμογές στο διαδίκτυο των πραγμάτων Μανωλτσίδου, Άννα Μεσαριτάκης, Χάρης τεχνικές ανάλυσης χρονοσειρών ανίχνευση ανωμαλιών εφαρμογές στο διαδίκτυο των πραγμάτων αλγόριθμοι μηχανικής μάθησης αισθητήρες συστήματα επιτήρησης ασφάλεια time series analysis techniques anomaly detection Internet of Things (IoT) applications machine learning algorithms sensors monitoring systems security Time-series analysis Internet of things Anomaly detection (Computer security) Machine learning Με τη ραγδαία επέκταση του Διαδικτύου των Πραγμάτων (IoT) και την αυξανόμενη ενσωμάτωσή του σε διάφορους τομείς, η διασφάλιση της ασφάλειας και της αξιοπιστίας των συστημάτων IoT καθίσταται υψίστης σημασίας. Το παρόν έγγραφο παρέχει μια εκτενή διερεύνηση της ανίχνευσης ανωμαλιών στο πλαίσιο του IoT, εστιάζοντας σε διάφορες μεθοδολογίες και τεχνικές για την αποτελεσματική ανίχνευση. Το έγγραφο ξεκινά με μια εισαγωγή στο IoT και τη σημασία του, ακολουθούμενη από μια εμπεριστατωμένη συζήτηση σχετικά με τη σημασία της ανίχνευσης ανωμαλιών σε περιβάλλοντα IoT. Παρουσιάζονται διάφορες τεχνικές ανίχνευσης ανωμαλιών ειδικά για το IoT. Επιπλέον, το έγγραφο εμβαθύνει στην ταξινόμηση και την κατηγοριοποίηση των ανωμαλιών, εντοπίζοντας τις περιοχές όπου εμφανίζονται συνήθως ανωμαλίες στα δίκτυα IoT. Στην επιδίωξη της αντιμετώπισης των ανωμαλιών, το έγγραφο διερευνά διάφορες προσεγγίσεις και μεθοδολογίες για τη μελέτη των ανωμαλιών. Επιπλέον, διερευνά διάφορες τεχνικές ανίχνευσης. Στη συνέχεια, το έγγραφο εστιάζει στην ανάλυση των τεχνικών ανίχνευσης ανωμαλιών, συμπεριλαμβανομένης της στατιστικής ανάλυσης, των μεθόδων μηχανικής μάθησης, της φασματικής ανάλυσης, της ανίχνευσης ανωμαλιών συμπεριφοράς, της αναγνώρισης προτύπων, της ανάλυσης παραμέτρων, της ανάλυσης συμπεριφοράς και της ανάλυσης δικτύου. Περαιτέρω ενότητες εμβαθύνουν στις βασικές αρχές των βαθιών νευρωνικών δικτύων (DNN). Διερευνάται επίσης η εφαρμογή των DNN στην ανίχνευση ανωμαλιών, υπογραμμίζοντας τα δυνητικά οφέλη τους στην ανίχνευση σύνθετων και λεπτών ανωμαλιών. Μετά τη συζήτηση σχετικά με τα DNN, παρουσιάζονται τα αναδρομικά νευρωνικά δίκτυα (RNN) και η υπολογιστική δεξαμενής (Reservoir Computing), παρουσιάζοντας τη σημασία και τις δυνατότητές τους στην ανίχνευση ανωμαλιών IoT. 2024-02-05T11:48:07Z 2024-02-05T11:48:07Z 2023-09-13 http://hdl.handle.net/11610/26127 el_GR Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές https://creativecommons.org/licenses/by-nc-nd/4.0/ 187 σ. application/pdf Σάμος
spellingShingle	τεχνικές ανάλυσης χρονοσειρών ανίχνευση ανωμαλιών εφαρμογές στο διαδίκτυο των πραγμάτων αλγόριθμοι μηχανικής μάθησης αισθητήρες συστήματα επιτήρησης ασφάλεια time series analysis techniques anomaly detection Internet of Things (IoT) applications machine learning algorithms sensors monitoring systems security Time-series analysis Internet of things Anomaly detection (Computer security) Machine learning Μανωλτσίδου, Άννα Θεωρητική μελέτη τεχνικών ανάλυσης χρονοσειρών για τον εντοπισμό ανωμαλιών σε εφαρμογές στο διαδίκτυο των πραγμάτων
title	Θεωρητική μελέτη τεχνικών ανάλυσης χρονοσειρών για τον εντοπισμό ανωμαλιών σε εφαρμογές στο διαδίκτυο των πραγμάτων
title_full	Θεωρητική μελέτη τεχνικών ανάλυσης χρονοσειρών για τον εντοπισμό ανωμαλιών σε εφαρμογές στο διαδίκτυο των πραγμάτων
title_fullStr	Θεωρητική μελέτη τεχνικών ανάλυσης χρονοσειρών για τον εντοπισμό ανωμαλιών σε εφαρμογές στο διαδίκτυο των πραγμάτων
title_full_unstemmed	Θεωρητική μελέτη τεχνικών ανάλυσης χρονοσειρών για τον εντοπισμό ανωμαλιών σε εφαρμογές στο διαδίκτυο των πραγμάτων
title_short	Θεωρητική μελέτη τεχνικών ανάλυσης χρονοσειρών για τον εντοπισμό ανωμαλιών σε εφαρμογές στο διαδίκτυο των πραγμάτων
title_sort	θεωρητική μελέτη τεχνικών ανάλυσης χρονοσειρών για τον εντοπισμό ανωμαλιών σε εφαρμογές στο διαδίκτυο των πραγμάτων
topic	τεχνικές ανάλυσης χρονοσειρών ανίχνευση ανωμαλιών εφαρμογές στο διαδίκτυο των πραγμάτων αλγόριθμοι μηχανικής μάθησης αισθητήρες συστήματα επιτήρησης ασφάλεια time series analysis techniques anomaly detection Internet of Things (IoT) applications machine learning algorithms sensors monitoring systems security Time-series analysis Internet of things Anomaly detection (Computer security) Machine learning
url	http://hdl.handle.net/11610/26127
work_keys_str_mv	AT manōltsidouanna theōrētikēmeletētechnikōnanalysēschronoseirōngiatonentopismoanōmaliōnseepharmogesstodiadiktyotōnpragmatōn

Θεωρητική μελέτη τεχνικών ανάλυσης χρονοσειρών για τον εντοπισμό ανωμαλιών σε εφαρμογές στο διαδίκτυο των πραγμάτων

Παρόμοια τεκμήρια