Πρόβλεψη του πιθανότερου τύπου επίθεσης (ransomware, DDoS, phishing κ.λπ.) για κάθε νέο συμβάν. 

Θα δοθεί προκαθαρισμένο σύνολο περιστατικών από τα ENISA OSINT Weekly Reports 2024. Ενδεικτικά πεδία: Date, Week, Country, Subject, Description, Sectors, Severity, Victim, Category, Threat actor/Malware family, Threat type, Motivation, Relevance, Sources, Confidence.

Θα εφαρμοστούν τεχνικές μηχανικής μάθησης με τα βασικά features από [Alqudhaibi 2023] και δοκιμή πρόσθετων πεδίων (Χώρα, Actor, δείκτες ειδησεογραφίας). Θα αναλυθεί η αντιμετώπιση class-imbalance, σύγκριση LDA/QDA, XGBoost, CatBoost· SHAP.

Θα παρουσιαστούν τα συμπεράσματα και η μελλοντική έρευνα. 

Digital Forensics. Διοίκηση Ασφάλειας Π.Σ.

Python / pandas / scikit-learn.

Alqudhaibi, A. et al. (2023). Predicting cybersecurity threats in critical infrastructure for Industry 4.0. Sensors, 23(9), 4539. https://doi.org/10.3390/s23094539

 Almahmoud, Z. et al. (2023). A holistic and proactive approach to forecasting cyber threats. Scientific Reports, 13, 8049. https://doi.org/10.1038/s41598-023-35198-1