La tesi affronta il problema del rilevamento delle intrusioni in reti dinamiche mediante un framework adattivo basato su tecniche di Machine Learning e Explainable Artificial Intelligence, finalizzato a mitigare gli effetti del Concept Drift e a migliorare l'interpretabilità delle decisioni del classificatore.
ANALISI TEMPORALE E INTERPRETABILITÀ DI SISTEMI DI INTRUSION DETECTION ADATTIVI PER TRAFFICO DI RETE CIFRATO IN PRESENZA DI CONCEPT DRIFT
LOCONTE, GIUSEPPE
2025/2026
Abstract
La tesi affronta il problema del rilevamento delle intrusioni in reti dinamiche mediante un framework adattivo basato su tecniche di Machine Learning e Explainable Artificial Intelligence, finalizzato a mitigare gli effetti del Concept Drift e a migliorare l'interpretabilità delle decisioni del classificatore.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
Tesi_Giuseppe_Loconte.pdf
non disponibili
Descrizione: Elaborato finale della tesi di laurea triennale
Dimensione
4.69 MB
Formato
Adobe PDF
|
4.69 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.14253/65717