Μέθοδοι τεχνητής νοημοσύνης για ανίχνευση σύνθετων κυβερνοεπιθέσεων
| datacite.contributor.RelatedPerson | Μακρής, Χρήστος | |
| datacite.contributor.RelatedPerson | Σταματίου, Ιωάννης | |
| datacite.contributor.Supervisor | Μεγαλοοικονόμου, Βασίλειος | |
| dc.contributor.author | Ηλία, Ναταλία Μαρία | |
| dc.contributor.other | Ilia, Natalia Maria | |
| dc.date.accessioned | 2026-07-09T10:54:48Z | |
| dc.date.available | 2026-07-09T10:54:48Z | |
| dc.date.issued | 2026-07-06 | |
| dc.degree | graduateThesis | |
| dc.description.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. | |
| dc.description.translatedabstract | This thesis explores the application of advanced artificial intelligence techniques in the field of cybersecurity, with a focus on the analysis and detection of modern cyber threats. In particular, it investigates the use of machine learning and deep learning models, such as Large Language Models (LLMs) and Generative Adversarial Networks (GANs), for the generation, detection, and classification of malicious activities. The study also emphasizes the role of Cyber Threat Intelligence (CTI) and the use of structured frameworks, such as MITRE ATT&CK and STIX, for systematically capturing adversarial tactics, techniques, and procedures (TTPs). Additionally, data processing and representation methods, including vector embeddings and dimensionality reduction techniques (PCA, UMAP), are analyzed alongside clustering algorithms such as HDBSCAN. Particular attention is given to the development and evaluation of intrusion detection systems (IDS/NIDS), as well as the generation of synthetic data using GANs to simulate zero-day attacks. Finally, the thesis discusses current challenges, limitations, and future research directions in the integration of artificial intelligence and cybersecurity. | |
| dc.identifier.uri | https://hdl.handle.net/10889/32433 | |
| dc.language.iso | el | |
| dc.subject | Τεχνητή νοημοσύνη | |
| dc.subject | Κυβερνοασφάλεια | |
| dc.subject | Μεγάλα γλωσσικά μοντέλα | |
| dc.subject.alternative | Artificial intelligence | |
| dc.subject.alternative | Cybersecurity | |
| dc.subject.alternative | Large language models (LLMs) | |
| dc.title | Μέθοδοι τεχνητής νοημοσύνης για ανίχνευση σύνθετων κυβερνοεπιθέσεων | |
| dc.title.alternative | Artificial intelligence methods for detecting complex cyberattacks |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Μέθοδοι Τεχνητής Νοημοσύνης για Ανίχνευση Σύνθετων Κυβερνοεπιθέσεων.pdf
- Size:
- 1.82 MB
- Format:
- Adobe Portable Document Format
License bundle
1 - 1 of 1
No Thumbnail Available
- Name:
- license.txt
- Size:
- 5.02 KB
- Format:
- Item-specific license agreed upon to submission
- Description: