Λογότυπο αποθετηρίου

Πλοήγηση ανά Συγγραφέα "Lepidas, Nikolaos"

A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Φιλτράρετε τα αποτελέσματα πληκτρολογώντας τα πρώτα γράμματα
Τώρα δείχνει 1 - 1 από 1
  • Μικρογραφία εικόνας
    Τεκμήριο
    Anomaly detection for Android Applications using execution fingerprints
    (2024-03-07) Λεπίδας, Νικόλας; Lepidas, Nikolaos; Athens University of Economics and Business, Department of Informatics; Stergiopoulos, George; Douskas, Theodoros; Gkritzalis, Dimitrios
    Η ανάπτυξη των συνδεδεμένων συσκευών, ιδιαίτερα των smartphones, έχει επηρεάσει σημαντικά την καθημερινή μας ζωή και την παγκόσμια συνδεσιμότητα. ΄Εως τις αρχές του 2023, 5.44 δισεκατομμύρια άνθρωποι χρησιμοποιούν κινητά τηλέφωνα, αντιπροσωπεύοντας το 68% του παγκόσμιου πληθυσμού, με τους χρήστες του ίντερνετ να αποτελούν το 64.4% αυτού του πληθυσμού. Αυτή η αύξηση, επιταχυνόμενη από την πανδημία του COVID-19, αντανακλά όχι μόνο τεχνολογικές προόδους αλλά και τον ουσιαστικό ρόλο του διαδικτύου στους προσωπικούς και επαγγελματικούς τομείς. Ωστόσο, η αυξανόμενη εξάρτηση από την ψηφιακή τεχνολογία έχει οδηγήσει σε ένα κύμα απειλών από ιομορφικό λογισμικό, ειδικά για τις συσκευές Android που κατείχαν το 70% της παγκόσμιας αγοράς τον Δεκέμβριο του 2023. Για να αντιμετωπίσουν αυτές τις αυξανόμενες κυβερνο-απειλές οι ερευνητές έχουν επικεντρωθεί στην ανάπτυξη προηγμένων Συστημάτων Ανίχνευσης Εισβολών (ΣΑΕ), εκμεταλλευόμενοι τις τελευταίες προόδους σε τομείς όπως η Μηχανική Μάθηση και η Βαθιά Μάθηση. Ωστόσο, οι ειδικές ανάγκες των κινητών συσκευών, όπως οι περιορισμένοι πόροι, απαιτούν την ανάπτυξη εξειδικευμένων λύσεων τέτοιων συστημάτων που είναι αποδοτικές στη χρήση πόρων. Η παρούσα διπλωματική παρουσιάζει την προσπάθεια μας για την ανάπτυξη ενός αποδοτικού ΣΑΕ βασισμένο στις συσκευές Android και εμπνευσμένο από την ικανότητα του αλγορίθμου Shazam να αναγνωρίζει μουσική σε περιβάλλοντα με θόρυβο. Εξερευνούμε τρεις προσεγγίσεις, ξεκινώντας από την παρακολούθηση εφαρμογών Android, μεταβαίνοντας σε Ubuntu για βελτιωμένη παρακολούθηση διεργασιών, και καταλήγοντας με τη χρήση των δεδομένων ToN_IoT για να αξιολογήσουμε την αποτελεσματικότητα της μεθοδολογίας μας. Καταγράφοντας την πορεία μας δείχνουμε πως η τεχνική του Shazam μπορεί να εφαρμοστεί στην κυβερνοασφάλεια, ορίζοντας το μέλλον των ΣΑΕ.