Αναγνώριση απάτης στα έξυπνα δίκτυα αξιοποιώντας τεχνικές μηχανικής μάθησης

datacite.contributor.SupervisorΧούσος Ευθύμιος
datacite.rightshttp://purl.org/coar/access_right/c_abf2el
dc.contributor.authorΜπροδήμας, Δημήτριος
dc.contributor.otherBrodimas, Dimitrios
dc.date.accessioned2020-10-21T09:54:49Z
dc.date.available2020-10-21T09:54:49Z
dc.date.copyright2020-10-08
dc.degreegraduateThesisel
dc.description.abstractΗ ένταξη καινοτόμων εφαρμογών τεχνητής νοημοσύνης και επικοινωνιών στα δίκτυα ηλεκτρικής ενέργειας έχουν βελτιώσει την ποιότητα και την αποτελεσματικότητα της διαχείρισης και της παρακολούθησης τους σε πολύ μεγάλο βαθμό, μετατρέποντάς τα σε έξυπνα δίκτυα (Smart Grids). Ωστόσο, η εξάρτηση από την πληροφορία που παρέχουν οι εφαρμογές αυτές τα καθιστά ευάλωτα στην εισαγωγή εσφαλμένων δεδομένων (False Data Injection - FDI). Σκοπός αυτής της διπλωματικής εργασίας είναι η μελέτη των τρόπων εντοπισμού των χρηστών του δικτύου που έχουν παραποιήσει τα δεδομένα. Ιδιαίτερη έμφαση θα δοθεί στις τεχνικές εντοπισμού που βασίζονται στην τεχνητή νοημοσύνη και την μηχανική μάθηση.el
dc.identifier.urihttp://hdl.handle.net/10889/14020
dc.language.isogrel
dc.subjectΈξυπνα δίκτυαel
dc.subjectΜηχανική μάθησηel
dc.subject.alternativeSmart gridsel
dc.subject.alternativeMachine learningel
dc.titleΑναγνώριση απάτης στα έξυπνα δίκτυα αξιοποιώντας τεχνικές μηχανικής μάθησηςel
dc.title.alternativeFraud detection in smart grids using machine learning techniquesel
oaire.licenseConditionnullel

Files

Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Thesis.pdf
Size:
2.32 MB
Format:
Adobe Portable Document Format
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
4.53 KB
Format:
Item-specific license agreed upon to submission
Description: