Show simple item record

Ευφυείς Επιθέσεις στο Υλικό με Χρήση Μεθόδων Μηχανικής Μάθησης

dc.contributor.advisorMichailidis, Emmanouel
dc.contributor.authorΧριστοδούλου, Παναγιώτα
dc.date.accessioned2023-08-31T09:17:58Z
dc.date.available2023-08-31T09:17:58Z
dc.date.issued2021-01-21
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/4980
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-4818
dc.description.abstractΗ μηχανική μάθηση και οι αλγόριθμοί της χρησιμοποιούνται όλο και περισσότερο στην ανακάλυψη τρωτών σημείων σε λογισμικό και υλικό. Η ευπάθεια υλικού είναι μια εκμεταλλεύσιμη αδυναμία σε ένα σύστημα που επιτρέπει την επίθεση μέσω απομακρυσμένης ή φυσικής πρόσβασης στο υλικό του συστήματος. Ένας άλλος τύπος ευπάθειας υλικού είναι ένα απροσδόκητο ελάττωμα στη λειτουργία που επιτρέπει στους εισβολείς να αποκτήσουν τον έλεγχο ενός συστήματος αποκτώντας προνόμια ή εκτελώντας κώδικα. Η μηχανική μάθηση βοηθά στον εντοπισμό αυτών των σφαλμάτων πιο γρήγορα και εύκολα. Στο παρελθόν, για παράδειγμα, ένα σφάλμα θα μπορούσε να εντοπιστεί εντός εβδομάδων. Σήμερα το ίδιο σφάλμα θα μπορούσε να εντοπιστεί σε λίγα λεπτά, ανάλογα με την περίπτωση. Το πρόβλημα είναι όταν αυτή η δύναμη χρησιμοποιείται για σκοτεινούς σκοπούς.el
dc.format.extent63el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.publisherState University of Moldovaen
dc.publisherTechnical University of Moldovaen
dc.publisherAcademy of Economic Studies of Moldovaen
dc.publisherAlecu Russo State University of Bălțien
dc.publisherL. N. Gumilyov Eurasian National Universityen
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectΑσφάλεια υλικούel
dc.subjectΜηχανική Μάθησηel
dc.subjectΑλγόριθμοιel
dc.subjectΕπιθέσεις πλευρικού καναλιούel
dc.titleΕυφυείς Επιθέσεις στο Υλικό με Χρήση Μεθόδων Μηχανικής Μάθησηςel
dc.title.alternativeIntelligent Attacks on Hardware Using Machine Learning Methodsel
dc.typeΜεταπτυχιακή διπλωματική εργασίαel
dc.contributor.committeeΓιαννακόπουλος, Παναγιώτης
dc.contributor.committeeGritzalis, Stefanos
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Πληροφορικής και Υπολογιστώνel
dc.contributor.masterΚυβερνοασφάλειαel
dc.description.abstracttranslatedMachine learning and its algorithms have been increasingly employed in the discovery of vulnerabilities in software and systems. A hardware vulnerability is an exploitable weakness in a computer system that enables attack through remote or physical access to system hardware. Another type of hardware vulnerability is an unexpected flaw in operation that allows attackers to gain control of a system by elevating privileges or executing code. Machine learning helps to identify these errors and bugs more quickly and easily. In the past, for example, an error could be identified within weeks. Today the same error could be identified in minutes, depending on the case. The problem is when this power is used for dark purposes.el


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές