Francesco Romano
Machine Learning per identificazione e caratterizzazione di malware = Machine Learning for malware characterization and identification.
Rel. Antonio Lioy, Andrea Atzeni. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Informatica (Computer Engineering), 2023
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
Abstract
La lotta tra gli analisti della sicurezza e gli sviluppatori di malware è una battaglia senza fine, con la complessità del malware che cambia tanto rapidamente quanto cresce l'innovazione. Ogni anno vediamo la crescita incontrollata del numero di nuovi malware, con ben 97.050.954 nuovi malware registrati negli ultimi 12 mesi da soli. Oltre alla loro crescita, un altro parametro preoccupante è quanto danni economici causano. Sempre più spesso sentiamo parlare di ransomware, una famiglia di malware il cui obiettivo è ottenere un riscatto per recuperare l'accesso ai dati "rubati". Attraverso i riscatti ottenuti dalle infezioni da ransomware i criminali informatici hanno causato danni per 457 milioni di dollari nel 2022, mentre nel 2021 l'importo era molto più alto, pari a 766 milioni di dollari.
Per calcolare i danni economici, non è sufficiente parlare solo dei danni legati ai riscatti, ma è necessario considerare anche i danni all'immagine, i costi dovuti a una violazione dei dati e il tempo di lavoro necessario per ripristinare le infrastrutture, per questi motivi il costo totale è difficile da calcolare
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
