Ανίχνευση κυβερνοεπιθέσεων με ανάλυση κυκλοφορίας
Loading...
Date
2025-09-22
Authors
Μίχος, Ραφαήλ-Νικόλαος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η παρούσα εργασία ασχολείται με την ανίχνευση κυβερνοεπιθέσεων σε δίκτυα Internet of Things (IoT) μέσω της εφαρμογής τεχνικών μηχανικής μάθησης. Χρησιμοποιώντας το dataset IoT-23, υλοποιήθηκαν και αξιολογήθηκαν διαφορετικοί αλγόριθμοι ταξινόμησης με στόχο την αναγνώριση κακόβουλης δραστηριότητας και την κατηγοριοποίηση των επιθέσεων.
Η μεθοδολογία περιλάμβανε στάδια προεπεξεργασίας των δεδομένων, εκπαίδευση και δοκιμή των μοντέλων, καθώς και αξιολόγηση της απόδοσής τους μέσω βασικών μετρικών όπως ακρίβεια, ανάκληση και F1-score. Για την πληρέστερη ανάλυση, χρησιμοποιήθηκαν διαφορετικοί τρόποι αποτίμησης, ενώ τα ευρήματα συνοδεύτηκαν από οπτικοποιήσεις και συγκριτική ανάλυση.
Τα αποτελέσματα έδειξαν ότι οι μέθοδοι μηχανικής μάθησης μπορούν να προσφέρουν αξιόπιστες λύσεις για την ανίχνευση κακόβουλης δραστηριότητας σε περιβάλλοντα IoT, με ορισμένους αλγόριθμους να εμφανίζουν μεγαλύτερη ανθεκτικότητα και ικανότητα γενίκευσης. Η εργασία αναδεικνύει τη σημασία της επιλογής κατάλληλων μεθόδων και μετρικών αξιολόγησης, καθώς και την ανάγκη για περαιτέρω έρευνα σε πιο σύνθετες προσεγγίσεις και σενάρια πραγματικού χρόνου.
Description
Keywords
Κυβερνοασφάλεια, Αλγόριθμοι μηχανικής μάθησης, Μετρικές