| dc.contributor.advisor | Σιαηλής, Σταύρος | |
| dc.contributor.author | Κυριάκου, Παναγιώτης | |
| dc.contributor.other | Kyriakou, Panagiotis | |
| dc.coverage.spatial | Κύπρος | el_GR |
| dc.date.accessioned | 2020-01-20T14:13:19Z | |
| dc.date.available | 2020-01-20T14:13:19Z | |
| dc.date.copyright | 2020-01-20 | |
| dc.date.issued | 2019-12 | |
| dc.identifier.other | ΑΥΔ/2019/00049 | el_GR |
| dc.identifier.uri | http://hdl.handle.net/11128/4375 | |
| dc.description | Περιέχει βιβλιογραφικές παραπομπές. | el_GR |
| dc.description.abstract | Ο κίνδυνος της εσωτερικής απειλής είναι μια συνεχής κρυφή απειλή που επισκιάζει την ασφάλεια οργανισμών και Κρατών, οι οποίοι καλούνται να προστατεύσουν τους εαυτούς τους από κάτι που δεν μπορούν να δουν ή να υπολογίσουν. Αν και με την ανάπτυξη της τεχνολογίας έχουν δημιουργηθεί πολλές μέθοδοι αναγνώρισης επιθέσεων εκ του έσω, αυτοί οι μηχανισμοί δεν παύουν να είναι αντιδραστικοί και όχι προληπτικοί. Αυτό έχει ως συνέπεια τέτοιου είδους επιθέσεις να γίνονται αντιληπτές μόνο μετά την υλοποίηση της απειλής, όπου και η ζημιά έχει ήδη συμβεί. Έρευνες έχουν δείξει ότι υπάρχουν πολλές προσεγγίσεις για αντιμετώπιση του περίπλοκου αυτού προβλήματος, και μια εξ’ αυτών είναι η μελέτη του συναισθήματος το οποίο εκφράζουμε όλοι μας με κάθε μας συναναστροφή στις ιστοσελίδες κοινωνικής δικτύωσης. Αυτή η μεταπτυχιακή διατριβή αναλαμβάνει να εξερευνήσει το συγκεκριμένο πεδίο, δημιουργώντας ταξινομητές μηχανικής μάθησης οι οποίοι μπορούν να εντοπίσουν το συναίσθημα το οποίο εκφράζεται από μηνύματα του κοινωνικού δικτύου Twitter. Για την εκτέλεση αυτού του έργου, έγινε συγκέντρωση συλλογών δεδομένων με ετικέτες συναισθημάτων, για τη δημιουργία μιας ενιαίας συλλογής δεδομένων η οποία χρησιμοποιήθηκε κατά την εκπαίδευση των μοντέλων μηχανικής μάθησης. Εκτός από την δημιουργία των ταξινομητών συναισθημάτων, αυτή η έρευνα θέτει μια θεμέλια λίθο στη προώθηση δημιουργίας ενός ολοκληρωμένου συστήματος εντόπισης εσωτερικής απειλής, δημιουργώντας μια βάση δεδομένων η οποία μπορεί να χρησιμοποιηθεί ως βάση ανάπτυξης και μελέτης. | el_GR |
| dc.format.extent | vii, 121 σ. ; 30 εκ. | el_GR |
| dc.language | gr | el_GR |
| dc.language.iso | gr | el_GR |
| dc.publisher | Ανοικτό Πανεπιστήμιο Κύπρου | el_GR |
| dc.rights | info:eu-repo/semantics/closedAccess | el_GR |
| dc.subject | Τεχνητή νοημοσύνη -- Εσωτερικές απειλές | el_GR |
| dc.subject | Artificial intelligence -- Internal threats | el_GR |
| dc.title | Εντοπισμός εσωτερικών απειλών με χρήση τεχνητής νοημοσύνης σε δεδομένα κοινωνικής δικτύωσης. | el_GR |
| dc.type | Μεταπτυχιακή Διατριβή | el_GR |
| dc.description.translatedabstract | The risk of insider threat is a hidden trap that is chipping away at the security of nations and organizations who have no means to detect it. Even though technology has provided us with great strides in functionality and newer flashy systems, these systems tend to face the insider threat in a reactive rather than a proactive manner. As a direct effect of this, insider attacks are more often than not discovered after the damage has been done. Studies have shown that there are numerous ways to approach insider threat detection. One of those is affect or emotion analysis, which focuses on the emotions that are emitted during our interactions on the internet and specifically social media sites. This thesis undertakes the goal of studying this field and developing document emotion classifiers based on machine learning and social media messages exchanged on the social media site Twitter.com. Focus is provided to gathering and creating an aggregated dataset with tagged emotional tweets that will be used for training the machine learning classifiers. In addition to developing the machine learning classifiers, this this also provides a relational database schema that can be used for the creation of a complete system for insider threat detection. | el_GR |
| dc.format.type | pdf | el_GR |
