Ευφυείς μηχανισμοί ασφάλειας σε επίπεδο υλικού με χρήση μεθόδων μηχανικής μάθησης
Intelligent hardware security mechanisms using machine learning methods
Μεταπτυχιακή διπλωματική εργασία
Συγγραφέας
Παππά, Αγλαΐα
Ημερομηνία
2021-01-21Επιβλέπων
Michailidis, EmmanouelΛέξεις-κλειδιά
Ασφάλεια υλικού ; Επιθέσεις ; Αντίμετρα ; Μηχανική μάθηση ; Διαδίκτυο πραγμάτωνΠερίληψη
Η απειλή υλικού (hardware threat) είναι οτιδήποτε μπορεί να οδηγήσει σε απώλεια ή καταστροφή δεδομένων ή φυσική ζημιά στο υλικό. Όταν δε οι διάφορες συσκευές (κάθε μία με τις δικές της ευπάθειες) συνδέονται μεταξύ τους μέσω internet τότε το πρόβλημα της ασφάλειας υλικού γίνεται χαοτικό. Η αντιμετώπιση με ανθρώπινες δυνάμεις είναι αδύνατη. Η μηχανική μάθηση είναι αυτή που με τους έξυπνους αλγορίθμους της αναλαμβάνει τη διαχείριση της ασφάλειας εκατομμυρίων συσκευών ταυτόχρονα. Μηχανική Μάθηση σημαίνει α)μάθηση χωρίς ανθρώπινη παρέμβαση και β)μάθηση για πάντα. Μαθαίνει, συγκρίνει, αξιολογεί, προφυλάσσει, προβλέπει. Αν η γνώση είναι δύναμη τότε η εφαρμοσμένη γνώση είναι υπερδύναμη. Η παρούσα διπλωματική εστιάζει στην αντιμετώπιση των κυριότερων ευπαθειών και επιθέσεων υλικού με τα εργαλεία της Μηχανικής Μάθησης. Τέλος ειδική μνεία γίνεται στα προβλήματα που μπορούν να προκύψουν από την κακόβουλη χρήση της καθώς και και νέα πεδία προέκτασης αυτής.
Περίληψη
Hardware threat is anything that can lead to data loss or destruction or physical damage to the hardware. When the various devices (each with its own vulnerabilities) are connected to each other via the internet then the problem of hardware security becomes haotic. Tackling the problem with human efforts is impossible. Machine learning is the one that with its smart algorithms manages the security of millions of devices at the same time. Machine learning means a) learning without human intervention and b) learning forever. It Learns, it compares, it evaluates, it protects, it predicts. If knowledge is power then applied knowledge is superpower. The following dissertation focuses on dealing with the main vulnerabilities and hardware attacks with the tools of Machine Learning. Special mention is made on the problems that may arise from its malicious use as well as new areas of its extension.