Μέθοδοι τεχνητής νοημοσύνης για ανίχνευση σύνθετων κυβερνοεπιθέσεων
Loading...
Date
2026-07-06
Authors
Ηλία, Ναταλία Μαρία
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η παρούσα εργασία εξετάζει τη χρήση προηγμένων τεχνικών τεχνητής νοημοσύνης στον τομέα της κυβερνοασφάλειας, με έμφαση στην ανάλυση και ανίχνευση σύγχρονων απειλών. Συγκεκριμένα, διερευνάται η αξιοποίηση μοντέλων μηχανικής μάθησης και βαθιάς μάθησης, όπως τα Μεγάλα Γλωσσικά Μοντέλα (LLMs) και τα Γενετικά Ανταγωνιστικά Δίκτυα (GANs), για την παραγωγή, ανίχνευση και κατηγοριοποίηση κακόβουλων δραστηριοτήτων. Η εργασία εστιάζει επίσης στην έννοια της Πληροφορίας Κυβερνοαπειλών (Cyber Threat Intelligence- CTI) και στη χρήση δομημένων προτύπων, όπως το MITRE ATT&CK και το STIX, για τη συστηματική καταγραφή τακτικών, τεχνικών και διαδικασιών των επιτιθέμενων. Παράλληλα, αναλύονται μέθοδοι επεξεργασίας και αναπαράστασης δεδομένων, όπως η διανυσματική αναπαράσταση και τεχνικές μείωσης διαστάσεων (PCA, UMAP), καθώς και αλγόριθμοι ομαδοποίησης όπως ο HDBSCAN. Ιδιαίτερη έμφαση δίνεται στην ανάπτυξη και αξιολόγηση συστημάτων ανίχνευσης εισβολών (IDS/NIDS), καθώς και στη δημιουργία συνθετικών δεδομένων μέσω GANs για την προσομοίωση επιθέσεων μηδενικής ημέρας (zero-day). Τέλος, εξετάζονται οι προκλήσεις, οι περιορισμοί και οι μελλοντικές κατευθύνσεις στον συνδυασμό τεχνητής νοημοσύνης και κυβερνοασφάλειας.
Description
Keywords
Τεχνητή νοημοσύνη, Κυβερνοασφάλεια, Μεγάλα γλωσσικά μοντέλα