ANALISI DEI DATASET PER MODELLI DI MACHINE LEARNING NEL CONTESTO CYBERSECURITY

Il mondo digitale è caratterizzato da una quantità sempre crescente di dati generati quotidianamente. Tra questi, i dataset sono un elemento fondamentale per lo sviluppo di nuove tecnologie. Un dataset è un insieme di dati raccolti da diverse fonti che possono essere utilizzati per l’analisi, l’apprendimento automatico e la creazione di modelli predittivi, importanti per l’addestramento degli algoritmi di machine learning e di intelligenza artificiale che utilizzano i dati presenti in un dataset per apprendere e creare modelli sempre più accurati. Grazie alla loro crescente disponibilità, i ricercatori e gli sviluppatori possono creare soluzioni innovative in molteplici settori che spaziano dalla medicina, finanza, mondo mobile e IoT, sicurezza informatica, fino al mondo automotive. La presente tesi fornisce un'analisi della letteratura sugli insiemi di dati (dataset) esistenti, con particolare attenzione allo scenario specifico di Network Intrusion Detection System (NIDS) e alla loro possibile applicazione nei settori della mobilità, della cybersecurity, dell'agricoltura, della chimica, dell'automotive e della domotica/IoT. L'obiettivo principale è categorizzare i dataset esaminati sulla base delle loro caratteristiche e dei contesti applicativi, al fine di fornire una panoramica completa e organizzata delle informazioni raccolte.