Μελέτη και εφαρμογή τεχνικών μηχανικής μάθησης για τη δημιουργία συστήματος ανίχνευσης εισβολών σε δίκτυο
| datacite.contributor.RelatedPerson | Χρήστος Μακρής | |
| datacite.contributor.RelatedPerson | Αριστείδης Ηλίας | |
| datacite.contributor.Supervisor | Αθανάσιος Ανδρικόπουλος | |
| dc.contributor.author | Ζώντου, Έλλη | |
| dc.contributor.other | Zontou, Elli | |
| dc.date.accessioned | 2025-06-19T05:05:02Z | |
| dc.date.available | 2025-06-19T05:05:02Z | |
| dc.date.issued | 2025-02-27 | |
| dc.degree | masterThesis | |
| dc.description.abstract | Η παρούσα διπλωματική εργασία εστιάζει στην ανάδειξη της ουσιαστικής σημασίας και της ανεκτίμητης αξίας που προσφέρουν η Τεχνητή Νοημοσύνη και η Μηχανική Μάθηση στον σύγχρονο κόσμο. Με μια σταθερή ματιά προς τις διαρκώς εξελισσόμενες τεχνολογικές προκλήσεις, εξετάζεται πώς αυτά τα πεδία αναδύονται ως ισχυρά εργαλεία για την αντιμετώπιση ποικίλων προκλήσεων. Αρχικά, παρατίθεται μια περιήγηση στο παρελθόν, αποκαλύπτοντας το ιστορικό της τεχνητής νοημοσύνης και το πώς οδηγηθήκαμε στην αυτοματοποίηση του συλλογισμού. Στη συνέχεια, θα εστιάσουμε στη συνάφεια της τεχνητής νοημοσύνης με τη μηχανική μάθηση, αναλύοντας τις διάφορες κατηγορίες συστημάτων που βασίζονται σε αυτή, καθώς και τις τεχνικές που τη διαμορφώνουν, όπως η ταξινόμηση, η παλινδρόμηση και η συσταδοποίηση. Ωστόσο, παράλληλα με τα οφέλη που αναδεικνύονται μέσω της μηχανικής μάθησης, αναδύονται ταυτόχρονα προκλήσεις και απειλές που συνοδεύουν την πορεία των συστημάτων Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης. Για το λόγο αυτό είναι σημαντικό να εστιάσουμε στους δυνητικούς κινδύνους, όπως η έλλειψη επαρκών δεδομένων και η ασφάλεια των συστημάτων, ενώ προτείνονται στρατηγικές προστασίας και αντιμετώπισης των προκλήσεων αυτών. Τέλος, μέσα από την προτεινόμενη εφαρμογή, διασταυρώνονται τα προηγούμενα ευρήματα. Με την υλοποίηση ενός συστήματος ανίχνευσης εισβολών σε δίκτυα, αποκαλύπτεται πώς η Τεχνητή Νοημοσύνη και η Μηχανική Μάθηση διευκολύνουν τον εντοπισμό και την αντιμετώπιση απειλών σε πραγματικό χρόνο. Με τον τρόπο αυτό, η παρούσα εργασία υπογραμμίζει την πρωταρχική σημασία και την αναπόσπαστη συμβολή της Τεχνητής Νοημοσύνης και της Μηχανικής Μάθησης στην εξέλιξη του τεχνολογικού και κοινωνικού περιβάλλοντος. | |
| dc.description.translatedabstract | This study emphasizes the critical significance and invaluable contributions of Artificial Intelligence (AI) and Machine Learning (ML) in today’s world. With a clear focus on the ever-evolving technological landscape, it explores how these fields are emerging as powerful tools for addressing a wide range of contemporary challenges. The study begins with a historical overview, tracing the development of AI and the journey toward the automation of reasoning. It then delves into the close relationship between AI and ML, analyzing various categories of AI-driven systems and the core techniques that underpin them, including classification, regression, and clustering. While the benefits of machine learning are substantial, the work also acknowledges the accompanying risks and challenges. Issues such as data scarcity and system security are examined in depth, and strategies for mitigating these concerns are proposed, ensuring a balanced perspective on the capabilities and limitations of AI systems. Finally, the thesis puts theory into practice through the development of a network intrusion detection system. This implementation demonstrates how AI and ML can effectively detect and respond to real-time security threats, reinforcing their vital role in modern cybersecurity. In conclusion, this study highlights the foundational importance and indispensable role of Artificial Intelligence and Machine Learning in shaping both technological progress and societal transformation. | |
| dc.identifier.uri | https://hdl.handle.net/10889/29680 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | |
| dc.subject | Μηχανική μάθηση | |
| dc.subject | Αλγόριθμοι | |
| dc.subject | Τεχνητή νοημοσύνη | |
| dc.subject | Ανίχνευση επιθέσεων | |
| dc.subject.alternative | Machine learning | |
| dc.subject.alternative | Algorithms | |
| dc.subject.alternative | Artificial intelligence | |
| dc.subject.alternative | Intrusion detection | |
| dc.title | Μελέτη και εφαρμογή τεχνικών μηχανικής μάθησης για τη δημιουργία συστήματος ανίχνευσης εισβολών σε δίκτυο | |
| dc.title.alternative | Study and application of machine learning techniques for the development of a network intrusion detection system |
Files
Original bundle
1 - 1 of 1
Loading...
- Name:
- Μελέτη και εφαρμογή τεχνικών μηχανικής μάθησης για τη δημιουργία συστήματος ανίχνευσης εισβολών σε δίκτυο.pdf
- Size:
- 1.65 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: