The Internet of Things consists of an interconnected network of devices used in a multitude of different environments. The objective of this paper is to give a comprehensive look at the state of the art of IoT system defense mechanisms, analysing case studies and offering thoughts on which models are the most promising, particularly focusing on machine learning and deep learning techniques.

L’Internet of Things consiste in una rete interconnessa di dispositivi usati in una moltitudine di ambienti diversi. L’obiettivo dell’elaborato è quello di dare una prospettiva completa dello state dell’arte dei meccanismi di difesa dei sistemi IoT, analizzando casi di studio e offrendo riflessioni su quali sono i modelli più promettenti, in particolare concentrandosi sulle tecniche di machine learning e deep learning.

ANALISI DI TECNICHE E APPROCCI BASATI SUL MACHINE LEARNING PER LA SICUREZZA DEI SISTEMI INTERNET OF THINGS

SURIANO, FRANCESCO
2021/2022

Abstract

The Internet of Things consists of an interconnected network of devices used in a multitude of different environments. The objective of this paper is to give a comprehensive look at the state of the art of IoT system defense mechanisms, analysing case studies and offering thoughts on which models are the most promising, particularly focusing on machine learning and deep learning techniques.
2021
ANALYSIS OF MACHINE LEARNING-BASED TECHNIQUES AND APPROACHES FOR SECURING INTERNET OF THINGS SYSTEMS
L’Internet of Things consiste in una rete interconnessa di dispositivi usati in una moltitudine di ambienti diversi. L’obiettivo dell’elaborato è quello di dare una prospettiva completa dello state dell’arte dei meccanismi di difesa dei sistemi IoT, analizzando casi di studio e offrendo riflessioni su quali sono i modelli più promettenti, in particolare concentrandosi sulle tecniche di machine learning e deep learning.
Sicurezza
Apprendimento
IoT
Attacchi
Tecniche
File in questo prodotto:
Fulltext non presente su UNITESI – Verifica la disponibilità della tesi in formato cartaceo interrogando il Catalogo di Ateneo

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/20.500.14253/88469