logo SBA

ETD

Digital archive of theses discussed at the University of Pisa

 

Thesis etd-10132021-101907


Thesis type
Tesi di dottorato di ricerca
Author
GIORGI, GIACOMO
email address
giacomo.giorgi@ing.unipi.it, giacomo.giorgi25@gmail.com
URN
etd-10132021-101907
Thesis title
CONTINUOUS BEHAVIORAL ANALYSIS THROUGH MACHINE LEARNING FOR A SECURE SMART ENVIRONMENT
Academic discipline
ING-INF/05
Course of study
INGEGNERIA DELL'INFORMAZIONE
Supervisors
tutor Prof.ssa Bernardeschi, Cinzia
tutor Dott. Saracino, Andrea
tutor Dott. Martinelli, Fabio
Keywords
  • machine learninig
  • smart-environment
  • behavioral analysis
  • intrusion detection system
  • authorship email
  • gait analysis
Graduation session start date
15/06/2021
Availability
Withheld
Release date
15/06/2061
Summary
Gli ambienti intelligenti si compongono ad oggi di un insieme di dispositivi reciprocamente interconnessi e potenziati con capacità computazionali e di comunicazione wireless. Tali dispositivi, tipicamente aventi risorse limitate, possiedono capacità di rilevamento ed attuazione, fornendo servizi nelle attività uotidiane ed incrementando dunque la qualità di vita. I servizi innovativi offerti dall’ambiente intelligente si avvalgono di dispositivi di intercomunicazione eterogenei che raccolgono, scambiano e consumano informazioni riguardanti le nostre abitudini, preferenze e l’ambiente in cui viviamo. Sebbene un simile ambiente renda la vita più semplice, esso solleva preoccupazioni in merito al potenziale impatto negativo sulla vita degli utenti. Il loro uso improprio o le loro intrinseche vulnerabilità possono infatti minacciare la privacy e la sicurezza dell’utente. La diffusione di sensori all’interno di questi ambienti ha consentito la produzione di un’ingente mole di informazioni contestuali correlate ai differenti comportamenti, la cui analisi può essere usata per incrementare la sicurezza sfruttando Machine learning ed altre tecniche di analisi dati. Nel corso di questa tesi è stato investigato ed incrementato il livello di sicurezza all’interno di un ambiente intelligente, focalizzando l’attenzione sulle due sfide principali: la protezione dei dati e quella dell’utente. A tal fine, abbiamo proposto una innovativa metodologia real-time basata sulla raccolta delle informazioni, sull’apprendimento comportamentale, sul rilevamento dell’anomalia e sulla contingente reazione. Specificatamente, nel contesto della protezione dei dati, abbiamo in primo luogo preso in considerazione la loro autenticità, sviluppando un nuovo meccanismo continuo di autenticazione comportamentale. Tale sitema utilizza l’analisi del movimento dell’utente, mediante lo sfruttamento di sensori inerziali incorporati all’interno di dispositivi indossabili. Parallelamente, nell’ambito della comunicazione elettronica, abbiamo affrontato la tematica dell’integrità dei dati. L’approccio proposto consiste in un innovativo sistema di verifica dell’autore di una email, fondato sull’analisi dello stile di scrittura dell’utente, in contrasto con l’attacco spear-phishing. Infine, per garantire la disponibilità dei dati, abbiamo messo a punto un sistema distribuito di rilevamento delle intrusioni all’interno di un ambiente intelligente domestico. Esso è in grado di condurre un’analisi comportamentale innovativa, aggregando caratteristiche estratte da tre livelli differenti livelli: kernel, distributed hash table e rete. Dal punto di vista della protezione dell’utente, abbiamo presentato una sistema di parental-control intelligente,basato sul paradigma usage-control e sull’analisi comportamentale del flusso video, finalizzato a garantire la protezione dell’utente dall’utilizzo non autorizzato della TV intelligente. Esso può dinamicamente concedere, sospendere e riprendere il diritto di accesso alla TV, considerando la classificazione dei contenuti e l’analisi del comportamento rilevato nell’ambiente circostante.
File