andrea sciuto applicabilit À di tecniche di multi-sensor data fusion allintrusion detection: studio...
TRANSCRIPT
ANDREA SCIUTO
APPLICABILITÀ DI TECNICHE DI MULTI-SENSOR DATA FUSION ALL’INTRUSION DETECTION:
STUDIO ED ANALISI SIMULATIVA
Relatori: Chia.mo Prof. Alfio Lombardo Ing. Mario Barbera
TesiAndreaSciuto.pptx
……o Sistema di sorveglianza intelligente?o Sistema di sorveglianza intelligente?
Data FusionData Fusion“…combine data from multiple sensors, and related information from associated databases, to achieve improved accuracy and more specific inferences that could be achieved by the use of a single sensor alone” (D.L. Hall, J. Llinas)
• Sorveglianza di ambienti
• Monitoraggio della salute della persona
• Applicazioni militari
• Navigazione di robot
Alcuni esempi…Alcuni esempi…
Architettura di un processo di Data FusionArchitettura di un processo di Data Fusion
• Fusione a basso livelloFusione a basso livello – Le misure provenienti dai sensori vengono fuse utilizzando le classiche tecniche di stima ed elaborazione dei dati
• Signal-Level Fusion.• Pixel-Level Fusion.
• Fusione a livello misto Fusione a livello misto – Le caratteristiche descrittive estratte dai sensori e rappresentanti fenomeni fisici simili e non, sono combinate in vettori di caratteristiche, che possono essere elaborati usando metodi di Pattern recognition
• Fusione ad alto livello Fusione ad alto livello – I simboli estratti dalle precedenti decisioni ed elaborazioni sensoriali vengono fusi al più alto livello di astrazione. Le informazioni in gioco spesso provengono da regioni dell’ambiente molto diverse
DatiDati
VariabiliVariabili
Dati/VariabiliDati/Variabili
Dati/Dati/VariabiliVariabili
VariabilVariabilii
VariabiliVariabili
Fusione a livello Fusione a livello mistomisto
Fusione ad alto Fusione ad alto livellolivello
Fusione a basso Fusione a basso livellolivello
Tecniche di Fusione ad alto livelloTecniche di Fusione ad alto livello
VariabilVariabilii
VariabiliVariabiliFusione ad alto Fusione ad alto livellolivello
• Inferenza classica e Bayesiana
• Logica Fuzzy
• Reti Neurali Artificiali (ANN)
• Voting Fusion
• Teoria dell’evidenza di Dempster-Shafer
Teoria dell’evidenza di Dempster-ShaferTeoria dell’evidenza di Dempster-Shafer
• Supporto e Plausibilità definiscono l’ “Intervallo di credibilità” che quantifica il grado informativo di un evento
• Si definisce Power Set un insieme di ipotesi non necessariamente esaustivi e mutuamente esclusivi attraverso le quali viene manifestata la conoscenza• Si definisce Mass of evidence una funzione per mezzo della quale è possibile operare all’interno del Power Set
• Date due mass of evidence relative ad informazioni sensoriali differenti è possibile ricavare la massa fusa utilizando la regola di combinazione di Dempster:
Caso di studio: Applicazione di Caso di studio: Applicazione di Intrusion DetectionIntrusion Detection
E’ stato realizzato un software per simulare E’ stato realizzato un software per simulare eventi dannosi e falsi allarmi…eventi dannosi e falsi allarmi…
Scenario 1: Intruso Rumoroso in MovimentoScenario 1: Intruso Rumoroso in Movimento
Caso A: Nessun Caso A: Nessun rumore di misurarumore di misura
Soglia
Scenario 1: Intruso Rumoroso in MovimentoScenario 1: Intruso Rumoroso in Movimento
Caso B: rumore di Caso B: rumore di misura Gaussiano a misura Gaussiano a media nulla e media nulla e deviazione standard deviazione standard variabilevariabile
Scenario 2: Rumore Ambientale e Corrente Scenario 2: Rumore Ambientale e Corrente d’aria caldad’aria calda
Caso A: Nessun Caso A: Nessun rumore di misurarumore di misura
Intruso Rumoroso in Movimento
Rumore Ambientale e Corrente d’aria calda
Scenario 2: Rumore Ambientale e Corrente Scenario 2: Rumore Ambientale e Corrente d’aria caldad’aria calda
Caso B: rumore di Caso B: rumore di misura Gaussiano a misura Gaussiano a media nulla e media nulla e deviazione standard deviazione standard variabilevariabile
Scenario 3: Distribuzioni sparse di caloreScenario 3: Distribuzioni sparse di calore
Caso A: Nessun Caso A: Nessun rumore di misurarumore di misura
Intruso Rumoroso in Movimento
Distribuzioni sparse di calore
Scenario 3: Distribuzioni sparse di caloreScenario 3: Distribuzioni sparse di calore
Caso B: rumore di Caso B: rumore di misura Gaussiano a misura Gaussiano a media nulla e media nulla e deviazione standard deviazione standard variabilevariabile
Scenario 4: Condizione di test in assenza di bersagliScenario 4: Condizione di test in assenza di bersagli
Caso A: Nessun Caso A: Nessun rumore di misurarumore di misura
Intruso Rumoroso in Movimento
Condizione di test in assenza di bersagli
Scenario 4: Condizione di test in assenza di bersagliScenario 4: Condizione di test in assenza di bersagli
Caso B: rumore di Caso B: rumore di misura Gaussiano a misura Gaussiano a media nulla e media nulla e deviazione standard deviazione standard variabilevariabile
ConclusioniConclusioni• Le simulazioni realizzate ed i risultati raggiunti consentono di affermare che la metodologia di fusione adottata si presta ottimamente allo sviluppo di applicazioni pratiche di sorveglianza
• Integrazione del motore di fusione in un sistema di video sorveglianza basato su IP camere
Sviluppi futuri…Sviluppi futuri…
• Sviluppo del software in piattaforma .Net
• L’utilizzo di questa metodologia di fusione permette di ridurre notevolmente il numero di falsi allarmi