Lorenzo Bozzi
Machine Learning for Traffic Anomalies Detection within Industrial Networks.
Rel. Antonio Jose' Di Scala, Lorenzo Fanari. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Matematica, 2025
Abstract
L’Industria 4.0 mira a digitalizzare completamente i processi industriali, con la creazione di reti ad alta densità, scalabili, flessibili e eterogenee. Di conseguenza, l’adozione dif- fusa di dispositivi connessi espone, in particolare, i Sistemi di Controllo Industriale (ICS) a rischi e minacce informatiche continui. Questo problema influisce sulla si- curezza dei dispositivi coinvolti nella moderna produzione automatizzata e presenta sfide complesse. L’uso del Machine Learning (ML) per lo sviluppo di Sistemi di Ril- evamento Intrusione di Rete (NIDS) rappresenta uno strumento difensivo valido e, tra l’altro, molto diffuso contro attori malevoli, grazie alla sua capacità di rilevare e conseguentemente bloccare comunicazioni sospette.
Il presente progetto mira a sviluppare e addestrare un NIDS basato sul Machine Learn- ing per rilevare anomalie nei dati di rete
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Informazioni aggiuntive
Corso di laurea
Classe di laurea
Ente in cotutela
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
