Ευφυείς Επιθέσεις στο Υλικό με Χρήση Μεθόδων Μηχανικής Μάθησης

Χριστοδούλου, Παναγιώτα

dc.contributor.advisor	Michailidis, Emmanouel
dc.contributor.author	Χριστοδούλου, Παναγιώτα
dc.date.accessioned	2023-08-31T09:17:58Z
dc.date.available	2023-08-31T09:17:58Z
dc.date.issued	2021-01-21
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/4980
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-4818
dc.description.abstract	Η 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.extent	63	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.publisher	State University of Moldova	en
dc.publisher	Technical University of Moldova	en
dc.publisher	Academy of Economic Studies of Moldova	en
dc.publisher	Alecu Russo State University of Bălți	en
dc.publisher	L. N. Gumilyov Eurasian National University	en
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Ασφάλεια υλικού	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Αλγόριθμοι	el
dc.subject	Επιθέσεις πλευρικού καναλιού	el
dc.title	Ευφυείς Επιθέσεις στο Υλικό με Χρήση Μεθόδων Μηχανικής Μάθησης	el
dc.title.alternative	Intelligent Attacks on Hardware Using Machine Learning Methods	el
dc.type	Μεταπτυχιακή διπλωματική εργασία	el
dc.contributor.committee	Γιαννακόπουλος, Παναγιώτης
dc.contributor.committee	Gritzalis, Stefanos
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών	el
dc.contributor.master	Κυβερνοασφάλεια	el
dc.description.abstracttranslated	Machine 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

Αρχεία σε αυτό το τεκμήριο

Όνομα:: Christodoulou_19027.pdf
Μέγεθος:: 2.797Mb
Τύπος:: PDF

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Μεταπτυχιακές διπλωματικές εργασίες - Κυβερνοασφάλεια
Μεταπτυχιακές διπλωματικές εργασίες ΠΜΣ Κυβερνοασφάλεια

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές