Corso di laurea
Sicurezza informatica
Università degli Studi di Milano · 35 materie · 40 file condivisi
Per questo corso di laurea sono già disponibili 40 appunti all'interno della community, registrati subito per iniziare a studiare!
Il Corso di Laurea Magistrale in Sicurezza Informatica, si propone di fornire conoscenze avanzate e di formare capacità professionali adeguate allo svolgimento di attività di ricerca, progettazione, realizzazione, verifica, coordinamento e gestione di sistemi informatici riferibili ai diversi ambiti di applicazione delle scienze e delle tecnologie informatiche nell'ambito della sicurezza e protezione dei sistemi, delle reti e delle infrastrutture informatiche, e al trattamento sicuro e riservato dei dati.
Il laureato magistrale in Sicurezza Informatica svolge attività di progettazione, sviluppo, realizzazione, verifica, manutenzione, controllo e gestione di infrastrutture e sistemi informatici sicuri e protetti. Obiettivo fondamentale della sua attività è il miglioramento costante di sistemi informatici sicuri e protetti, anche con riferimento alla gestione sicura dei dati sensibili/confidenziali, accompagnato dalla capacità di recepire e proporre negli ambiti applicativi in cui opera le innovazioni che continuamente caratterizzano la disciplina. Il corso di laurea magistrale si propone dunque di formare professionisti dotati di competenze scientifiche e tecnologiche di alto livello, capacità metodologiche e operative e visione aperta e critica delle problematiche connesse all'adozione e all'uso delle tecnologie informatiche.
Il corso di laurea magistrale in Sicurezza Informatica assicura ai propri laureati una formazione avanzata e completa in relazione alle fondamenta, alle metodologie, alle soluzioni scientifiche e tecnologiche relative alla sicurezza informatica.
Il corso di laurea prevede inoltre lo svolgimento di una tesi di laurea magistrale presso una struttura dell'Università o di altro Ente pubblico o privato, da presentare e discutere in sede di prova finale per il conseguimento della laurea magistrale.
Il corso di laurea è stato progettato per essere proficuamente seguito sia da coloro che provengono da una laurea della classe informatica e che hanno già acquisito la conoscenza relativa alle principali tecnologie della sicurezza (ai quali fornisce conoscenze relative a scienze e tecnologie informatiche fondamentali ed utili alla gestione di problemi di sicurezza) sia da coloro che provengono da una laurea scientifica ma che non hanno conoscenza pregressa su temi di sicurezza (nel qual caso si prevede una particolare enfasi alle problematiche della sicurezza informatica a partire dalle basi). Qualunque sia la provenienza dei laureati ammessi, è comunque previsto un ampio percorso formativo comune, rivolto a fornire ai laureati la formazione relativa alle diverse problematiche, metodologie e soluzioni scientifiche e tecnologiche della sicurezza informatica, che preserva l'unicità del corso, consentendo la trasversalità tra i percorsi e garantendo l'omogeneità e la coerenza culturale dei laureati.
Al momento abbiamo 40 files caricati sul nostro portale suddivisi nelle 35 materie appartenenti al tuo corso di laurea.
Sfoglia il materiale didattico
Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!
Materie del corso
Raggiungere il livello B2 del Quadro Comune Europeo di Riferimento per le lingue (QCER). Reading (Lettura): leggere articoli e relazioni su questioni d'attualità; comprendere testi narrativi contemporanei.Listening…
Scheda dell'insegnamento
Obiettivi formativi
Raggiungere il livello B2 del Quadro Comune Europeo di Riferimento per le lingue (QCER).
Reading (Lettura): leggere articoli e relazioni su questioni d'attualità; comprendere testi narrativi contemporanei.Listening (Ascolto): capire discorsi di una certa lunghezza e conferenze e a seguire argomentazioni anche complesse purché il tema sia relativamente familiare. Capire la maggior parte dei notiziari e delle trasmissioni TV che riguardano fatti d'attualità in lingua standard.
Programma
Reading (Lettura): leggere articoli e relazioni su questioni d'attualità; comprendere testi narrativi contemporanei.Listening (Ascolto): capire discorsi di una certa lunghezza e conferenze e a seguire argomentazioni anche complesse purché il tema sia relativamente familiare. Capire la maggior parte dei notiziari e delle trasmissioni TV che riguardano fatti d'attualità in lingua standard.
Modalità d'esame
Modalità di valutazione: TestGiudizio di valutazione: livello raggiunto
Codice insegnamento accertamento-di-lingua-inglese-livello-b2-3-cfu
L'obiettivo dell'insegnamento è di introdurre le problematiche inerenti l'affidabilità, la diagnostica e la manutenibilità dei componenti, dei sistemi e del software con particolare riguardo ai casi in cui…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo dell'insegnamento è di introdurre le problematiche inerenti l'affidabilità, la diagnostica e la manutenibilità dei componenti, dei sistemi e del software con particolare riguardo ai casi in cui l'informatica costituisce la parte più importante.
Al termine dell'insegnamento, lo studente dovrà essere in grado di valutare l'affidabilità di un sistema, saper comparare differenti sistemi e/o approcci sulla base delle loro prestazioni in termini di affidabilità e di disponibilità, saper suggerire i miglioramenti da apportare ai sistemi informatici al fine di conseguire un incremento di affidabilità, saper calcolare la safety dei sistemi. Lo studente dovrà, inoltre, conoscere le procedure e gli strumenti statistici moderni per valutare l'affidabilità dei dispositivi.
Programma
AFFIDABILITA'
Definizioni di affidabilità. Modi, meccanismi e cause di guasto. Concetti di guasto, avaria e loro classificazione. Modelli matematici di affidabilità: densità di probabilità di guasto, tasso di guasto istantaneo e "curva a vasca", legge fondamentale dell'affidabilità. Parametri statistici di affidabilità e disponibilità. Affidabilità di sistema. Reliability Block Diagram. Configurazioni canoniche e miste. Tecniche di calcolo di affidabilità e disponibilità per configurazioni non canoniche. Fenomeni di degradazione nei componenti elettronici (modello di Arrhenius).
· Analisi statistica dei dati di affidabilità: raccolta, classificazione e rappresentazione dei dati.
· Condizioni operative: Modelli di previsione di affidabilità. Condizioni operative. Condizioni ambientali. Climatogrammi. Previsione di affidabilità: calcolo e interpretazione del tasso di guasto ed MTBF di componenti e apparati elettronici. Uso delle banche dati.
· Disponibilità: Metodi induttivi e deduttivi. Quality Function Deployment (QFD). Disponibilità di sistema: analisi con il modello di Markov. Analisi dei rischi. Diagnostica. La riprogettazione del sistema, tecniche di incremento della disponibilità. Manutenibilità di sistema e tecniche di manutenzione.
· Cenni sull'analisi dei modi e degli effetti di guasto (FMEA) e della loro criticità (FMECA) e sull'analisi dell'albero delle avarie (FTA).
· Safety Integrity Level (SIL): cenni.
AFFIDABILITÀ NEL SOFTWARE:
· Fidatezza-Dependability nel software: Reliability, Availability, Safety, Confidentiality, Integrity, Maintainability. Il problema della Security. Il problema del servizio di un sistema di calcolo, del comportamento, della percezione dell'utente (umano e non). Requisiti e problematiche dei sistemi dependable: Rapidità di risposta, disponibilità, continuità di servizio, sicurezza nei confronti dell'operatore e dell'ambiente (safety), protezione (security). Fallimento (system failure), errore, guasto.
· Problematiche dei sistemi di calcolo: Prevenzione dai guasti (fault prevention ), Tolleranza ai guasti (fault tolerance), Eliminazione del guasto (fault removal ), Predizione di guasti (fault forecasting).
· Conseguimento dei requisiti, validazione e valutazione.
· Impedimenti alla dependability: guasti e loro classificazione
· I guasti intenzionali: logic bomb, Trojan horse, trapdoor, virus, worm, zombie, intrusion attempts,
· I fallimenti (fallimenti con blocco e sistemi fail-stop, fallimento per omissione, crash, sistemi fail-silent).
· Accountability, authenticity, non-repudiability.
· La dependability delle reti (Survivability).
· La manutenibilità del software. La documentazione.
· Cybersecurity in applicazioni industriali.
SOFTWARE PER L'ANALISI DELL'AFFIDABILITÀ: CENNI.
Le norme di settore: IEC 61508, ISO 27000, ISO 13849.
Modalità d'esame
Esame scritto + esame orale (facoltativo)
L'esame si articola in una prova scritta obbligatoria e in una prova orale (facoltativa).
La prova scritta terrà conto di tre livelli di performance di valore prestabilito:
- la soluzione di 10 quesiti a risposta multipla. Per ogni risposta corretta si ottiene 1 punto, per ogni risposta errata si ha una penalizzazione di 1/2 punto. Il punteggio massimo totalizzabile è quindi pari a 10.
- la soluzione di uno o due esercizi di tipo applicativo, aventi contenuti e difficoltà analoghi a quelli affrontati in aula. A questa parte è associato un punteggio massimo di 10 punti.
- la risposta a due domande teoriche (domande aperte) fra quelle proposte. Il punteggio associato alla terza e ultima parte dell'esame scritto è pari a 10 punti.
La durata della prova scritta è di un'ora durante la quale non è ammesso consultare testi o appunti mentre è ammesso l'uso della calcolatrice.
La prova orale (facoltativa) consiste in un colloquio sugli argomenti svolti a lezione e riassunti nel programma.
Sostenere l'esame orale non comporta necessariamente un miglioramento del voto.
Il voto finale è espresso in trentesimi.
Testi di riferimento
1) AA.VV. L'affidabilità nella moderna progettazione: un elemento competitivo che collega sicurezza e certificazione, Editore A&T Affidabilità & Tecnologia, Aprile 2008, ISBN: 978-88-903149-0-2.
2) M. Lazzaroni, L. Cristaldi, L. Peretto, P. Rinaldi and M. Catelani, Reliability Engineering: Basic Concepts and Applications in ICT, Springer, ISBN 978-3-642-20982-6, e-ISBN 978-3-642-20983-3, DOI 10.1007/978-3-642-20983-3, Library of Congress Control Number: 2011928069, 2011 Springer-Verlag Berlin Heidelberg.
3) Pagina web dell'insegnamento:
http://mlazzaroniasd.ariel.ctu.unimi.it
Codice insegnamento affidabilita-dei-sistemi-0
L'obiettivo dell'insegnamento è di introdurre i concetti fondamentali e le applicazioni pratiche della crittografia moderna, con particolare riferimento ai principali algoritmi crittografici per la cifratura simmetrica e…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo dell'insegnamento è di introdurre i concetti fondamentali e le applicazioni pratiche della crittografia moderna, con particolare riferimento ai principali algoritmi crittografici per la cifratura simmetrica e asimmetrica, per la creazione ed utilizzo di funzioni hash e MAC, per la firma digitale, per lo scambio di chiavi crittografiche e per la condivisione di segreti.
Al termine dell'insegnamento, lo studente dovrà conoscere e saper applicare le più importanti tecniche crittografiche per la cifratura, l'autenticazione e l'integrità dei dati. Lo studente dovrà inoltre valutare la sicurezza di un sistema crittografico.
Programma
Crittografia Classica: cifrari a sotituzione e macchine cifranti
Crittografia Simmetrica: Principi della cifratura a blocchi. DES e modalita' operative. AES.
Crittografia Asimmetrica: Principi dei crittosistemi a chiave pubblica. RSA. Sicurezza e aspetti computazionali. Test di primalita'. Crittografia a curva ellittica. Firme digitali e Digital Signature Standard.
Funzioni Hash e MAC: Funzioni hash: attacco del compleanno. Funzioni hash iterate, SHA-1, SHA-3. Message Authentication Code: CBC-MAC, MAC basati su funzioni hash, HMAC.
Advanced topics: Commitment, Oblivious transfer, SMC, Zero-Knowledge,Homomorphic computing
Protocolli di sicurezza e applicationi: PSI
Post quantum crypto: Lattice cryptography, Hash e Code Based Cryptography
Modalità d'esame
Prova scritta con risposte aperte a libri chiusi. Al termine della prova viene formulata la valutazione complessiva, espressa in trentesimi,tenendo conto dei seguenti parametri: grado di conoscenza degli argomenti, capacità di applicare
le conoscenze alla risoluzione di problemi concreti. Una prova orale facoltativa dedicata alla discussione di un approfondimento o progetto può essere richiesta per integrare il voto finale. I risultati saranno pubblicati sul sito web dell'insegnamento.
Testi di riferimento
Website: http://scimatoc.ariel.ctu.unimi.it/v5/home/Default.aspx
William Stallings - Crittografia - Pearson, 2022
C. Paar - J Pelzl -Introduction to Cryptography
Codice insegnamento P456395577
L'insegnamento rappresenta una disciplina fondamentale per analisi e trattamento delle prove digitali sia in ambito penale che civile.L'insegnamento fornisce conoscenze avanzate e competenze operative per il corretto…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento rappresenta una disciplina fondamentale per analisi e trattamento delle prove digitali sia in ambito penale che civile.L'insegnamento fornisce conoscenze avanzate e competenze operative per il corretto trattamento delle evidenze digitali, adottando un approccio interdisciplinare che integra aspetti tecnici, metodologici e normativi. Particolare attenzione è dedicata ai contesti organizzativi aziendali complessi, in cui coesistono esigenze investigative, obblighi di compliance e possibili implicazioni giudiziarie.La disciplina è affrontata come metodo scientifico applicato, finalizzato alla ricostruzione di eventi rilevanti a partire da evidenze digitali, secondo criteri di:· riproducibilità, · tracciabilità, · documentazione, · difendibilità in sede giudiziaria. L'insegnamento integra:· fondamenti teorico-scientifici, · quadro normativo nazionale ed europeo (es. GDPR, eIDAS), · procedure operative e standard internazionali.
Conoscenza e capacità di comprensioneAl termine dell'insegnamento lo studente sarà in grado di:· comprendere i principi scientifici della digital forensics e le caratteristiche della prova digitale; · analizzare il quadro normativo nazionale ed europeo rilevante; · comprendere il ruolo degli standard internazionali nella gestione delle evidenze digitali. Conoscenza e capacità di comprensione applicateLo studente sarà in grado di:· applicare metodologie forensi per l'identificazione, acquisizione, preservazione e analisi delle evidenze digitali, nel rispetto della catena di custodia; · operare in contesti organizzativi complessi, interagendo con diverse funzioni aziendali; · applicare procedure di incident response in linea con gli standard internazionali. Autonomia di giudizioLo studente svilupperà la capacità di:· valutare l'ammissibilità, l'integrità e l'affidabilità delle evidenze digitali; · selezionare metodologie adeguate in funzione del contesto operativo; · bilanciare esigenze investigative e vincoli normativi, con particolare riferimento alla tutela dei diritti fondamentali. Abilità comunicativeLo studente sarà in grado di:· redigere relazioni tecniche chiare, strutturate e documentate; · presentare evidenze e conclusioni in modo coerente e verificabile. Capacità di apprendereLo studente svilupperà la capacità di:· aggiornarsi autonomamente rispetto all'evoluzione tecnologica e normativa; · affrontare nuove tipologie di evidenza digitale applicando il metodo forense.
Programma
Argomenti trattati:
1. L'accertamento di digital forensics nelle indagini penali;
2. L'accertamento di digital forensics nei procedimenti civili;
3. Il documento informatico e le firme elettroniche in Italia e all'estero;
4. Il valore probatorio del documento informatico;
5. L'accertamento tecnico nell'ambito della responsabilità delle aziende;
6. Gli accertamenti di digital forensics in caso di data breach;
7. Sistemi informativi e controllo dei lavoratori;
8. Digital forensics e tutela industriale;
9. Digital forensics e tutela del software;
10. Digital forensics e certificazione del software;
11. Elementi di digital forensics sanitaria;
12. La ISO 27037
13. La ISO 27035
14. La ISO 19011
15. Incident response;
16. Forensics readiness plan;
17. Riposta all'incidente;
18. Cloud Forensics;
19. IoT Forensics;
20. Multimedia forensics
Modalità d'esame
L'apprendimento sarà verificato mediante:
· Prova scritta con domande a risposta aperta finalizzate a valutare la comprensione teorica, la capacità di analisi e l'applicazione metodologica;
La valutazione terrà conto di:
· correttezza e completezza delle conoscenze,
· capacità di applicazione,
· autonomia di giudizio,
· chiarezza espositiva e rigore metodologico.
Testi di riferimento
Casey, E. (2011). Digital Evidence and Computer Crime: Forensic Science, Computers and the Internet (3a ed.). Waltham (MA): Academic Press / Elsevier. ISBN 978-0-12-374268-1.
Casey, E. (a cura di) (2010). Handbook of Digital Forensics and Investigation. Burlington (MA): Academic Press / Elsevier. Con contributi di C. Altheide, C. Daywalt, A. de Donno, D. Forte, J. O. Holley, A. Johnston, R. van der Knijff, A. Kokocinski, P. H. Luehr, T. Maguire, R. D. Pittman, C. W. Rose, J. J. Schwerha IV, D. Shaver, J. R. Smith. ISBN 978-0-12-374267-4.
Farmer, D., & Venema, W. (2005). Forensic Discovery. Upper Saddle River (NJ): Addison-Wesley Professional (Pearson Education). ISBN 0-201-63497-X.
Kävrestad, J., Birath, M., & Clarke, N. (2024). Fundamentals of Digital Forensics: A Guide to Theory, Research and Applications (3a ed.). Cham: Springer Nature Switzerland, collana Texts in Computer Science. ISBN 978-3-031-53648-9 (cartaceo); 978-3-031-53649-6 (e-book). DOI: 10.1007/978-3-031-53649-6.
Oettinger, W. (2022). Learn Computer Forensics: Your One-Stop Guide to Searching, Analyzing, Acquiring, and Securing Digital Evidence (2a ed.). Birmingham: Packt Publishing. ISBN 978-1-80323-830-2.
Carofiglio, G. (2007). L'arte del dubbio. Palermo: Sellerio Editore, collana «La memoria», 734, 231 pp. ISBN 978-88-389-2249-7.
Luparia, L. (a cura di) (2009). Sistema penale e criminalita' informatica. Milano: Giuffre'.
Ziccardi, G. (2019). Manuale di informatica giuridica e diritto delle nuove tecnologie (2a ed.). Torino: UTET Giuridica.
Codice insegnamento digital-forensics-0
Obiettivo dell'insegnamento è di fornire gli strumenti, teorici e pratici, per progettare un sistema di Gestione dei Rischi di Corporate Security (Enterprise Security Risk Management - ESRM).L'ESRM sta assumendo…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivo dell'insegnamento è di fornire gli strumenti, teorici e pratici, per progettare un sistema di Gestione dei Rischi di Corporate Security (Enterprise Security Risk Management - ESRM).L'ESRM sta assumendo un'importanza centrale, nella Aziende Pubbliche e Private, per affrontare la crescente velocità con cui si susseguono crisi ed eventi di natura diversa (geopolitica, sociale, criminale, naturale, ecc.), che mettono a repentaglio la sicurezza delle persone e il valore aziendale (economico, patrimoniale, sociale e reputazionale). La capacità di progettare un efficace Sistema di Gestione dei Rischi di Corporate Security, di comprendere le opportunità delle evoluzioni tecnologiche, normative ed organizzative, di integrare l'ESRM nelle strategie e nella cultura aziendale, sono competenza chiave sia per chi vorrà occuparsi professionalmente di sicurezza e resilienza, sia per seguirà percorsi differenti.
Al termine del corso, gli studenti sapranno:a) Progettare un Sistema di Gestione dei Rischi di Corporate Security, attraverso una metodologia basata sulle Linee Guida ISO 31000;b) Individuare i trend ed i segnali deboli rilevanti per i rischi di Corporate Security;c) Utilizzare i principali standard sui sistemi di sicurezza (es. Linee Guida ASIS ESRM, UNI ISO 28000:2022) e le normative sulla resilienza dei sistemi critici (es. Direttiva UE 2022/2557);d) Conoscere e selezionare le soluzioni organizzative, tecnologiche e formative da adottare per prevenire, fronteggiare e superare i rischi di Corporate Security e garantire la resilienza delle organizzazioni.
Programma
Al termine del corso, gli studenti sapranno:a) Progettare un Sistema di Gestione dei Rischi di Corporate Security, attraverso una metodologia basata sulle Linee Guida ISO 31000;b) Individuare i trend ed i segnali deboli rilevanti per i rischi di Corporate Security;c) Utilizzare i principali standard sui sistemi di sicurezza (es. Linee Guida ASIS ESRM, UNI ISO 28000:2022) e le normative sulla resilienza dei sistemi critici (es. Direttiva UE 2022/2557);d) Conoscere e selezionare le soluzioni organizzative, tecnologiche e formative da adottare per prevenire, fronteggiare e superare i rischi di Corporate Security e garantire la resilienza delle organizzazioni.
Modalità d'esame
Modalità di valutazione: EsameGiudizio di valutazione: voto verbalizzato in trentesimi
Codice insegnamento gestione-della-sicurezza-nelle-imprese-2
L'obiettivo dell'insegnamento è di presentare i principi e le tecniche avanzate di protezione dei dati che possono essere utilizzate in scenari emergenti. Al termine dell'insegnamento, lo studente dovrà conoscere i…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo dell'insegnamento è di presentare i principi e le tecniche avanzate di protezione dei dati che possono essere utilizzate in scenari emergenti.
Al termine dell'insegnamento, lo studente dovrà conoscere i concetti, le metodologie e le soluzioni scientifiche e tecnologiche relative alla protezione dei dati in scenari emergenti. Lo studente sarà inoltre in grado di applicare in modo critico le conoscenze acquisite in svariati ambiti applicativi al fine di ottenere garanzia sulla protezione dei dati.
Programma
1. Introduzione
2. Controllo dell'accesso: politiche, modelli e meccanismi
3. Integrità delle query
4. Condivisione controllata di dati in query distribuite
Modalità d'esame
L'esame consiste in una prova scritta volta ad accertare la preparazione e la comprensione della materia. La prova comprende domande di teoria ed esercizi. La prova scritta è della durata di due ore. La valutazione espressa in trentesimi terrà conto della correttezza, completezza e chiarezza espositiva delle risposte alle domande di teoria e della capacità di ragionamento e di utilizzo delle conoscenze acquisite per la risoluzione degli esercizi. Durante la prova scritta non è consentito l'utilizzo di alcun materiale. I risultati della prova scritta saranno comunicati tramite la pubblicazione di un file pdf sul sito MyAriel dell'insegnamento.
Testi di riferimento
Lucidi e riferimenti disponibili sul sito MyAriel dell'insegnamento.
Codice insegnamento gestione-sicura-dei-dati
L'insegnamento ha l'obiettivo di introdurre concetti avanzati legati alla gestione dell'informazione nell'ambito dei moderni sistemi informativi. L'insegnamento illustrerà inoltre le principali tecniche di data mining.…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento ha l'obiettivo di introdurre concetti avanzati legati alla gestione dell'informazione nell'ambito dei moderni sistemi informativi. L'insegnamento illustrerà inoltre le principali tecniche di data mining.
Lo studente sarà in grado di progettare un data warehouse, conoscerà e saprà utilizzare le principali tecniche di data mining. Lo studente conoscerà le principali soluzioni per la distribuzione dei dati e la loro gestione. Lo studente conoscerà infine le principali caratteristiche delle basi di dati NoSQL e della computazione distribuita.
Programma
1. Basi di dati distribuite: frammentazione ed allocazione, gestione delle transazioni in scenari distribuiti, interrogazioni distribuite.
2. Data warehousing: ETL, modellazione concettuale, logica e fisica
3. Data mining: itemset mining, classificazione, clustering
4. NOSQL: modelli di dati, modelli di distribuzione, consistenza e proprietà ACIDe, computazione distribuita
Modalità d'esame
L'esame consiste in una prova scritta della durata di circa 2 ore, che include domande a risposta aperta ed esercizi.
La prova è volta a valutare la comprensione e l'apprendimento dei principali concetti legati alla distribuzione dei dati, alla loro analisi a supporto delle decisioni, e al modello NOSQL. La prova ha inoltre l'obiettivo di valutare la capacità di applicazione e utilizzo delle tecniche studiate.
Non è consentito consultare appunti o altro materiale durante la prova.
La valutazione della prova è espressa in trentesimi.
I risultati della prova vengono resi disponibili sulla pagina myAriel dell'insegnamento.
Testi di riferimento
Sito web:
https://myariel.unimi.it/course/view.php?id=2840
Lucidi e materiale didattico disponibili sul sito web dell'insegnamento.
Codice insegnamento P473395913
L'obiettivo dell'insegnamento è fornire allo studente le conoscenze teoriche e pratiche necessarie per comprendere, utilizzare e valutare i principali modelli e algoritmi di intelligenza artificiale applicati alla…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo dell'insegnamento è fornire allo studente le conoscenze teoriche e pratiche necessarie per comprendere, utilizzare e valutare i principali modelli e algoritmi di intelligenza artificiale applicati alla sicurezza e alla privatezza.
Al termine dell'insegnamento, lo studente dovrà conoscere i principali modelli e algoritmi di intelligenza artificiale che possono essere applicati nell'ambito della sicurezza e della privatezza, nonché essere in grado di utilizzare tali modelli e algoritmi nell'ambito di applicazioni reali per la sicurezza e la privatezza.
Programma
L'insegnamento si focalizzerà sui principali modelli e algoritmi di intelligenza artificiale, declinandoli nel dominio della sicurezza informatica e della privatezza. In particolare, verranno affrontati i seguenti argomenti:
- Fondamenti di intelligenza artificiale e apprendimento automatico
- La pipeline di elaborazione per l'intelligenza artificiale
- Reti neurali artificiali e Deep Learning
- Apprendimento continuo e online, federated learning
- Modelli generativi e dati sintetici
- Problemi di sicurezza e privatezza nell'intelligenza artificiale e applicazione di intelligenza artificiale a problemi di sicurezza e privatezza
Modalità d'esame
L'esame consiste in una prova scritta volta ad accertare la preparazione e la comprensione della materia. La prova comprende domande di teoria ed esercizi, e ha una durata di 2 ore. Durante la prova scritta non è consentito l'utilizzo di alcun materiale. La valutazione, espressa in trentesimi, terrà conto della correttezza, completezza e chiarezza espositiva delle risposte alle domande e agli esercizi. Il docente si riserva la possibilità di richiedere un colloquio di approfondimento.
Testi di riferimento
Articoli e slide disponibili sul sito web dell'insegnamento (https://myariel.unimi.it/course/view.php?id=10547).
Codice insegnamento UC27773
Il corso mira a fornire agli studenti competenze approfondite nell'impiego del machine learning nel contesto della cybersecurity, esplorandone applicazioni, vantaggi, limiti e prospettive future. In particolare, il…
Scheda dell'insegnamento
Obiettivi formativi
Il corso mira a fornire agli studenti competenze approfondite nell'impiego del machine learning nel contesto della cybersecurity, esplorandone applicazioni, vantaggi, limiti e prospettive future. In particolare, il programma si propone di far comprendere i principi teorici e pratici dell'analisi di malware e di mettere in luce le criticità legate alla dimensione e alla diversità dei dataset, alla generalizzazione dei modelli e al fenomeno del concept drift. Gli studenti approfondiranno inoltre le tecniche di attacco e di difesa nell'ambito dell'adversarial machine learning, studiando scenari reali.
Al termine del corso , gli studenti saranno in grado di progettare e implementare pipeline di machine learning per l'analisi e la classificazione di malware - gestendo dataset sbilanciati, static e dynamic analysis e affrontando il concept drift - valutare criticamente limiti e potenzialità dei modelli in ambito sicurezza (overfitting, bias, generalizzazione), sviluppare e applicare contromisure contro attacchi adversarial (white-box e black-box) tramite strategie di retraining, ensembling e hardening, integrare tecniche avanzate di autenticazione e sfruttare Large Language Models per attività di reverse engineering e generazione di codice difensivo
Programma
- Introduzione al Machine Learning per la Cybersecurity.
- Feature extraction e rappresentazione delle applicazioni Android (DREBIN).
- Classificazione tramite Support Vector Machine (SVM).
- Explainable AI e interpretazione delle decisioni dei classificatori.
- Adversarial Machine Learning e attacchi ai classificatori.
- Metriche di valutazione: Confusion Matrix, ROC e Precision-Recall Curve.
- Bias sperimentali e buone pratiche nella valutazione dei malware detector.
- Concept Drift e valutazione temporale con TESSERACT.
- Tuning del training set e scelta della soglia decisionale.
- Continuous Learning e aggiornamento dei malware detector.
- Active Learning per la selezione dei campioni più informativi.
- Contrastive Learning ed embedding per la rappresentazione dei malware.
- Hierarchical Contrastive Learning e Pseudo Loss per il retraining.
- Analisi critica dei principali approcci per la malware detection Android.
- Laboratori pratici in Python e implementazione di notebook didattici.
Modalità d'esame
Prova scritta, volto a verificare la comprensione dei concetti teorici trattati durante il corso, incluse le tecniche di machine learning, le sfide legate ai dati, e gli aspetti di adversarial machine learning (domande aperte o quiz) (2 ore).
La valutazione finale terrà conto dei seguenti criteri:
- Padronanza dei contenuti teorici
- Capacità di applicare le conoscenze a casi concreti
- Qualità del lavoro svolto nel progetto
- Chiarezza espositiva e autonomia nella discussione
Testi di riferimento
- "DREBIN: Effective and Explainable Detection of Android Malware in Your Pocket", NDSS, 2014.
- "Do's and Don'ts of Machine Learning in Computer Security", ACM CCS, 2019.
- "TESSERACT: Eliminating Experimental Bias in Malware Classification across Space and Time", USENIX Security, 2019.
- "Continuous Learning for Android Malware Detection", USENIX Security, 2023.
- "TRANSCEND: Detecting Concept Drift in Malware Detection Using Conformal Prediction", USENIX Security, 2021.
Selected scientific papers and lecture notes provided during the course.
Python notebooks and laboratory material developed by the instructor.
Scikit-learn and PyTorch official documentation (laboratory activities).
Codice insegnamento UC27782
L'obiettivo dell'insegnamento è di analizzare i problemi relativi alla protezione e privatezza dei dati. A tale scopo l'insegnamento tratterà il problema di assicurare privatezza nella pubblicazione e rilascio di dati ed…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo dell'insegnamento è di analizzare i problemi relativi alla protezione e privatezza dei dati. A tale scopo l'insegnamento tratterà il problema di assicurare privatezza nella pubblicazione e rilascio di dati ed il problema di assicurare privatezza e sicurezza dei dati in scenari emergenti, dove i dati sono spesso memorizzati, gestiti ed elaborati da server esterni non completamente fidati.
Al termine dell'insegnamento, lo studente dovrà conoscere i principali concetti relativi ai problemi di privatezza e protezione dati in diversi scenari. Lo studente dovrà avere conoscenza delle diverse problematiche, soluzioni e tecnologie esistenti, così come problemi aperti. Ci si aspetta che lo studente abbia inoltre sviluppato spirito critico e sensibilità sul tema della protezione dati in modo da essere in grado di analizzare problematiche di protezione dati e valutare possibili soluzioni nei diversi ambiti in cui si troverà ad operare.
Programma
La società dell'informazione odierna si affida sempre più alla pubblicazione, condivisione e al rilascio di dati, nonché all'uso di terze parti per il servizio e la gestione dei dati. In tali contesti è fondamentale fornire agli utenti la possibilità di garantire la sicurezza e la privacy dei propri dati e mantenere il controllo su tali dati, anche quando sono memorizzati, gestiti o elaborati da altre parti. Questo insegnamento considera gli scenari emergenti che coinvolgono la pubblicazione, la condivisione, la gestione e l'elaborazione dei dati e discute i problemi e le possibili soluzioni per garantire la sicurezza e la privacy dei dati in tali contesti. I temi trattati includeranno:
- Privacy nella pubblicazione dei dati
- Protezione di macrodati e microdata
- Introduzione ai problemi di sicurezza e privatezza nel cloud
- Modelli e linguaggi per la specifica di preferenze di privacy degli utenti
- Protezione dei dati in outsourcing e cloud
- Confidenzialità delle query
Modalità d'esame
L'esame consiste in una prova scritta volta ad accertare la preparazione e la comprensione della materia. La prova comprende domande di teoria ed esercizi. La durata della prova è di 2 ore. La valutazione espressa in trentesimi terrà conto della correttezza, completezza e chiarezza espositiva delle risposte alle domande di teoria e agli esercizi. Durante la prova scritta non è consentito l'utilizzo di alcun materiale.
Testi di riferimento
Articoli e slide disponibili sul sito web dell'insegnamento.
Codice insegnamento P810546455
L'insegnamento si propone di:- Introdurre i fondamenti della sicurezza informatica applicata a sistemi intelligenti e architetture distribuite.- Analizzare le tecniche di protezione dei dati semi-strutturati e non…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento si propone di:- Introdurre i fondamenti della sicurezza informatica applicata a sistemi intelligenti e architetture distribuite.- Analizzare le tecniche di protezione dei dati semi-strutturati e non strutturati, con particolare attenzione a confidenzialità, integrità e autenticazione.- Esplorare gli standard e i linguaggi di autorizzazione per l'accesso sicuro a servizi web e risorse di rete.- Studiare le pipeline di intelligenza artificiale e i relativi rischi di sicurezza, inclusi attacchi avversariali e vulnerabilità nei modelli ML.- Approfondire le metodologie di assurance e certificazione dei sistemi intelligenti, con focus su testing statistico e valutazione del rischio.- Applicare tecniche di modellazione delle minacce, come STRIDE-AI, per valutare la robustezza delle architetture AI.
Al termine dell'inegnamento, gli studenti acquisiranno competenze nei seguenti ambiti:- Progettazione sicura di pipeline AI- Capacità di progettare pipeline di intelligenza artificiale resilienti a minacce e attacchi, con attenzione a ogni fase: raccolta dati, addestramento, validazione, deployment.- Analisi delle vulnerabilità nei modelli ML- Identificazione e mitigazione di attacchi adversariali, data poisoning, model inversion e membership inference.- Implementazione di controlli di sicurezza- Applicazione di tecniche di autenticazione, autorizzazione e cifratura in ambienti distribuiti e cloud-native.- Testing e assurance dei modelli- Uso di tecniche di verifica statistica e test di robustezza per valutare la sicurezza e l'affidabilità dei modelli AI.- Modellazione delle minacce- Utilizzo di framework come STRIDE-AI per analizzare e documentare i rischi nelle architetture intelligenti.- Competenze trasversali in questi ambiti: capacità di lavoro in team interdisciplinari, comunicazione tecnica efficace, redazione di documentazione tecnica e presentazione dei risultati a un pubblico tecnico e non tecnico, pianificazione, sviluppo e valutazione di un progetto reale, con milestone, revisioni e consegna finale.- Pensiero critico e valutazione etica
Programma
L'insegnamento verte sui seguenti argomenti:
Parte I: Introduzione e prerequisiti
- Modelli di Apprendimento Computazionale (Machine Learning - ML)
- Attacchi vandalici e attacchi avversariali
- Addestramento centralizzato e federato
- Robustezza e privatezza dei modelli di apprendimento computazionale profondo
- LLM e ambienti agentici
Parte II: Modellazione delle minacce ai sistemi IA - Asset modeling
- La metodologia STRIDE-AI per la modellazione delle minacce
- Prioritizzazione delle minacce basata su scoring (DREAD e multi-assessor)
- Threat tree e definizione dei controlli di sicurezza
- Tecniche quantitative e semi-quantitative di gestione del rischio
- Le OWASP risk categories per sistemi IA ed agentici
- Casi di studio di applicazione alle pipeline e ai sistemi agentici
Parte III Assurance e monitoraggio - Standard e metodologie di AI governance
- Audit trail dei sistemi LLM ed agentici
- Tecniche di monitoraggio dei sistemi IA ed agentici
- Verifica dinamica e certificazione
Modalità d'esame
L'esame consiste in una prova scritta e nella presentazione di un progetto.
La prova scritta, della durata di un'ora e mezza, verterà sugli argomenti trattati durante l'insegnamento. La prova consiste in domande teoriche ed esercizi pratici. Il progetto, da concordare con il Docente, consisterà nella preparazione di un semplice applicativo che implementi i protocolli di sicurezza studiati. il progetto può essere svolto in gruppi fino d un massimo di tre studenti.
Una volta superate la prova scritta e presentato il progetto, viene formulata la valutazione complessiva, espressa in trentesimi, tenendo conto dei seguenti parametri: grado di conoscenza degli argomenti, capacità di applicare le conoscenze alla risoluzione di un progetto concreto, qualità del progetto sviluppato, capacità di ragionamento critico, chiarezza espositiva e proprietà di linguaggio.
Testi di riferimento
Sito web con slide del corso e letture consigliate.
Slide e appunti dell'insegnamento.
Per consultazione: C.A. Ardagna, E. Damiani, N. El Ioini "Open Source Systems Security Certification," Springer, 2008.
Codice insegnamento sicurezza-nelle-architetture-data-intensive-1
L'insegnamento ha lo scopo di presentare, in una prospettiva critica, i principi alla base della sicurezza dei sistemi informatici e di analizzare le minacce a cui sono sottoposti i sistemi di calcolo in reti TCP/IP e le…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento ha lo scopo di presentare, in una prospettiva critica, i principi alla base della sicurezza dei sistemi informatici e di analizzare le minacce a cui sono sottoposti i sistemi di calcolo in reti TCP/IP e le possibile contromisure. Verranno quindi discussi ed analizzati i principali attacchi ai protocolli e alle infrastrutture di rete, inclusi attacchi basati u vulnerabilità oftware e basati su Web
Alla fine dell'insegnamento, gli studenti sapranno:· Discutere e progettare la sicurezza dei sistemi in rete· Analizzare i protocolli TCP/IP in un'ottica di sicurezza· Conoscere le minacce più diffuse sia a livello di rete locale che a livello infrastrutturale· Saper difendere la privatezza delle operazioni in reti untrusted.
Programma
Contenuti e Programma
L'insegnamento si propone di analizzare le tematiche della sicurezza dei sistemi e delle reti di calcolatori, fornendo gli strumenti per discutere e progettare la sicurezza dei sistemi in rete.
Attacchi avanzati a protocolli di rete TCP/IP, ARP, UDP
Attacchi avanzati a servizi critici quali: DHCP, DNS, BGP
Versioni sicure dei protocolli: IPSEC-DNSSEC-TSL/SSL
Autenticazione in rete: Kerberos-SSO e attacchi
Sicurezza delle reti wireless
VPN e Onion Routing
Lab Attacchi software:
Race Condition (TOCTOU), Format String Attack, Meltdown, Spectre
Lab Attacchi alla rete: DNS Local, DNS Kaminsky, DNS rebinding, BGP, VPN
Lab Attacchi Web: Cross Site Request Forgery, Cross Site Scripting
Modalità d'esame
L'esame si articola in una prova scritta obbligatoria con risposte aperte che include una prova in laboratorio. Al termine della prova viene formulata la valutazione complessiva, espressa in trentesimi, tenendo conto dei seguenti parametri: grado di conoscenza degli argomenti, capacità di applicare
le conoscenze alla risoluzione di problemi concreti. Una prova orale facoltativa dedicata alla discussione di un approfondimento o progetto può essere richiesta per integrare il voto finale.
Testi di riferimento
Web site: http://scimatossr.ariel.ctu.unimi.it/v5/home/Default.aspx
Stallings Sicurezza dei computer e delle reti - Pearson 2022
Stallings- Computer Security: Principles and Practice, 4th Edition 2018
Stallings - Cryptography and Network Security: Principles and Practice, 7th Edition 2017
Computer Security A Hands-on Approach- Wenliang Du
Codice insegnamento sicurezza-nelle-reti
L'obiettivo dell'insegnamento è di presentare le metodologie e le tecniche per la specifica rigorosa e l'analisi formale di sistemi software critici, ossia quei sistemi il cui malfunzionamento e le cui vulnerabilità…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo dell'insegnamento è di presentare le metodologie e le tecniche per la specifica rigorosa e l'analisi formale di sistemi software critici, ossia quei sistemi il cui malfunzionamento e le cui vulnerabilità possono causare danni inaccettabili. Vengono quindi presentati i fondamenti teorici e gli strumenti per la specifica formale basata su macchine a stati astratte e la verifica formale di proprietà espresse in logica temporale.
Al termine del corso, lo studente sarà in grado di sviluppare la specifica formale di un sistema critico e di validare la specifica. Lo studente acquisirà inoltre la capacità di specificare requisiti complessi tramite il raffinamento di modelli e di garantire la correttezza e la sicurezza (safety & security) del sistema tramite model checking di proprietà espresse in logica temporale.
Programma
Al termine del corso, lo studente sarà in grado di sviluppare la specifica formale di un sistema critico e di validare la specifica. Lo studente acquisirà inoltre la capacità di specificare requisiti complessi tramite il raffinamento di modelli e di garantire la correttezza e la sicurezza (safety & security) del sistema tramite model checking di proprietà espresse in logica temporale.
Modalità d'esame
Modalità di valutazione: EsameGiudizio di valutazione: voto verbalizzato in trentesimi
Codice insegnamento specifica-e-verifica-di-sistemi-critici-2
In questo insegnamento verranno esplorate le foundation del software security. e considerate importanti vulnerabilità software e attacchi low-level come heap overflow, use after free e buffer overflow. Verranno inoltre…
Scheda dell'insegnamento
Obiettivi formativi
In questo insegnamento verranno esplorate le foundation del software security. e considerate importanti vulnerabilità software e attacchi low-level come heap overflow, use after free e buffer overflow. Verranno inoltre illustrate ed analizzate le techniche di difesa per prevenire e mitigare questi attacchi includendo meccanismi di testing avanzato e di program analysis come la symbolic execution e il fuzzing.
Lo studente che avrà superato l'esame di questo insegnamento con successo sarà in grado di applicare tecniche di attacco di base sui low-level attacks come buffer overflow, heap overflow e use after free. Avrà compreso le tecniche di difesa generali dei sistemi e sarà in grado di applicare tecniche avanzate di testing e program analysis su linguaggi C e C++. Lo studente che affronta questo insegnamento dovrà avere un background di base sulla programmazione, una conoscenza dei linguaggi C/C++ e degli algoritmi.
Programma
Low‑Level attack: Buffer Overflow (Stack‑Based) - Parte 1
Low‑Level attack: Buffer Overflow (Stack‑Based) - Parte 2 (laboratorio pratico)
Low‑Level attack: Heap Overflow su Metadata
Low‑Level attack: Use‑After‑Free (UAF)
Difesa low‑level: Memory safety e Type safety
Difesa low‑level: Canary, ASLR, DEP e Return‑Oriented Programming (ROP)
Difesa low‑level: Return‑Oriented Programming (ROP), ROP Gadgets
Difesa low‑level: Control Flow Integrity (CFI)
Program Analysis per scopi di sicurezza
Program Analysis: Fuzzing
Program Analysis: Symbolic Execution
Side Channel Attacks: Meltdown & Spectre
Modalità d'esame
L'esame si compone di 2 parti:
Laboratorio: consiste nello svolgimento di alcuni esercizi analoghi a quelli svolti durante il corso;
Teoria: consiste in una prova scritta sugli argomenti del corso (domande aperte/quiz) (1 ora);
Il voto finale sara` la media dei due voti. L'esame totale durera circa 3 ore.
Testi di riferimento
- Slide basate sul paper Aleph One che introduce il concetto di buffer overflow
- Shellcoder Handbook, manuale di riferimento per exploit e sviluppo di shellcode
- Cheat sheet per GDB, Peda, Pwntools e tecniche per il controllo degli input in laboratorio
- Repositories specifici per tecniche di heap overflow, heap overflow on metadata e Use‑After‑Free
- Materiali sul controllo delle difese a basso livello: memory safety, type safety e low-fat pointer
- Documentazione su tecniche difensive come canary, ASLR, DEP, ROP, ROP Gadgets e bypass di meccanismi ROP
- Articolo su Control Flow Integrity (CFI) e paper sul bypassing del Intel CET con Counterfeit Object‑oriented Programming
- Contenuti introduttivi all'analisi del software per scopi di sicurezza (testing for security), symbolic execution e fuzzing
- Paper su tecniche di fuzzing (incl. LibAFL) e introduzione all'uso di strumenti come KLEE per la symbolic execution
- Materiale su attacchi side-channel come Meltdown & Spectre
Codice insegnamento tecniche-di-protezione-del-software
L'obiettivo dell'insegnamento è di approfondire la progettazione dei sistemi biometrici e la loro teoria, il loro corretto utilizzo e le tematiche inerenti la privacy degli utenti con riferimento ai sistemi classici,…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo dell'insegnamento è di approfondire la progettazione dei sistemi biometrici e la loro teoria, il loro corretto utilizzo e le tematiche inerenti la privacy degli utenti con riferimento ai sistemi classici, la biometria comportamentale, i sistemi mobili, l'autenticazione continua, la profilazione e le recenti innovazioni.
Al termine dell'insegnamento, lo studente dovrà essere in grado di comprendere la struttura e le funzionalità dei sistemi biometrici, il loro corretto utilizzo e implementazione (anche tenendo conto della protezione della privacy degli utenti) in casi generali e con riferimento alle applicazioni specifiche esaminate durante le lezioni.
Programma
L'insegnamento si focalizzerà sui seguenti argomenti:
· Fondamenti di teoria della biometria;
· Elementi di elaborazione delle immagini per la biometria;
· Elementi di elaborazione dei segnali per la biometria;
· Elementi di Pattern recognition per la biometria;
· Misura delle prestazioni dei sistemi biometrici e stima statistica dei parametri;
· Applicazione del concetto di qualità del tratto biometrico;
· Approfondimenti sulla biometria del volto;
· Approfondimenti sulla biometria delle impronte e palmo con contatto e senza contatto;
· Approfondimenti sulla biometria della voce;
· Deep fake detection;
· La biometria comportamentale;
· Soft biometrics e la biometria scarsamente vincolata;
· Metodi per la fusione dei tratti biometrici e sistemi multimodali;
· Crittazione biometrica e biometria cancellabile;
· Sistemi biometrici per sistemi mobili;
· Autenticazione continua monomodale e multimodale;
· Sistemi biometrici per ambient intelligence;
· Advanced border control systems;
· Sistemi biometrici nella videosorveglianza;
· Spoofing and anti spoofing di sistemi biometrici;
· Tendenze attuali nei sistemi biometrici.
Un elenco dettagliato degli argomenti trattati, lezione per lezione, viene pubblicato e aggiornato sul sito web dell'insegnamento.
Modalità d'esame
L'esame si articola in una singola prova scritta obbligatoria di tipo "closed book" (ovvero durante la prova non è consentito l'utilizzo di alcun materiale) da compilare mediante PC in laboratorio che richiede la soluzione di esercizi e quesiti di tipo applicativo, di progettazione di sistemi biometrici e quesiti per la verifica di nozioni teoriche della materia con domande a scelta multipla con tipologia e difficoltà analoghe a quelli proposti e discussi durante l'insegnamento. Il voto è espresso in trentesimi. La durata della prova è di circa 1 ora. I risultati saranno trasmessi tramite posta elettronica di ateneo.
Testi di riferimento
Sito di riferimento: https://ariel.unimi.it/
Slide delle singole lezioni pubblicate sul sito di riferimento
Dispense pubblicate sul sito di riferimento
Libri (facoltativi):
- "Biometrics: Personal Identification in Networked Society", Anil K Jain, Sharath Pankanti, Ruud Bolle, Springer.
- "Handbook of Multibiometrics, A.A. Ross, K. Nandakumar", A. Jain, International Series on Biometrics, Vol. 6, Springer.
Codice insegnamento tecniche-e-applicazioni-biometriche-2
L'obiettivo dell'insegnamento è di fornire agli studenti una panoramica ampia su una disciplina fortemente intersettoriale come è l'Analisi del Rischio che ha una lunga tradizione e pratica in settori come l'economia, la…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo dell'insegnamento è di fornire agli studenti una panoramica ampia su una disciplina fortemente intersettoriale come è l'Analisi del Rischio che ha una lunga tradizione e pratica in settori come l'economia, la finanza, la gestione d'impresa, la salute e le infrastrutture pubbliche. Con questo insegnamento si vuole familiarizzare gli studenti con i principi e i metodi dell'Analisi del Rischio, fornendo strumenti concettuali e di analisi per interpretare fenomeni complessi nel settore della sicurezza informatica, valutare aspetti tecnici e tecnologie e affrontare processi di integrazione di metodi di gestione standard della sicurezza informatica all'interno di contesti aziendali.
Al termine dell'insegnamento, lo studente dovrà dimostrare di aver compreso i principi dell'analisi del rischio e in particolare la norma ISO31000:2018. Dovrà possedere un lessico appropriato nel dominio del risk management e comprendere le interrelazioni che caratterizzano la disciplina con maggior approfondimento per quanto riguarda i temi relativi alla sicurezza informatica.
Programma
Al termine dell'insegnamento, lo studente dovrà dimostrare di aver compreso i principi dell'analisi del rischio e in particolare la norma ISO31000:2018. Dovrà possedere un lessico appropriato nel dominio del risk management e comprendere le interrelazioni che caratterizzano la disciplina con maggior approfondimento per quanto riguarda i temi relativi alla sicurezza informatica.
Modalità d'esame
Modalità di valutazione: EsameGiudizio di valutazione: voto verbalizzato in trentesimi
Codice insegnamento P068601034
L'obiettivo dell'insegnamento è quello di introdurre i concetti di riservatezza, privacy e le prospettive giusfilosofiche che si sono occupate delle intersezioni tra sicurezza, privatezza, sorveglianza. In seguito a un…
Scheda dell'insegnamento
Obiettivi formativi
L'obiettivo dell'insegnamento è quello di introdurre i concetti di riservatezza, privacy e le prospettive giusfilosofiche che si sono occupate delle intersezioni tra sicurezza, privatezza, sorveglianza. In seguito a un primo momento di alfabetizzazione giuridica si guarderà al diritto vivente in materia per a) conoscere le principali disposizioni normative del GDPR, della direttiva NIS II e suo recepimento nazionale, dell'AI Act; b) comprendere i fondamenti giuridici della sicurezza e privatezza grazie alla giurisprudenza resa in materia e alle interpretazioni dei giudici tra gli ordinamenti; c) comprendere le applicazioni effettive dei concetti grazie alle prassi amministrative rilevanti e al caso studio relativo a migrazioni, protezione internazionale e controllo delle frontiere.
Al termine dell'insegnamento le/gli studenti saranno in grado di comprendere l'origine del concetto di privatezza e spiegare gli aspetti, tanto di garanzia dei diritti fondamentali quanto, talvolta, problematici che attengono ai legami tra privatezza e sicurezza. Saranno, inoltre, in grado di orientarsi rispetto alle fonti rilevanti dell'ordinamento giuridico, non solo del diritto formale, ma anche di diritto vivente, potendo così elaborare i concetti appresi tramite gli strumenti proposti dal case law, dalla dottrina e dalle prassi amministrative. Potranno sviluppare prospettive crititche per lavori di tesi e percorsi di ricerca che uniscano all'ambito applicativo competenze speculative e concettuali, anche grazie ai casi studio proposti.
Programma
Al termine dell'insegnamento le/gli studenti saranno in grado di comprendere l'origine del concetto di privatezza e spiegare gli aspetti, tanto di garanzia dei diritti fondamentali quanto, talvolta, problematici che attengono ai legami tra privatezza e sicurezza. Saranno, inoltre, in grado di orientarsi rispetto alle fonti rilevanti dell'ordinamento giuridico, non solo del diritto formale, ma anche di diritto vivente, potendo così elaborare i concetti appresi tramite gli strumenti proposti dal case law, dalla dottrina e dalle prassi amministrative. Potranno sviluppare prospettive crititche per lavori di tesi e percorsi di ricerca che uniscano all'ambito applicativo competenze speculative e concettuali, anche grazie ai casi studio proposti.
Modalità d'esame
Modalità di valutazione: EsameGiudizio di valutazione: voto verbalizzato in trentesimi
Codice insegnamento UC27786
La prova finale consiste nella presentazione e discussione di una tesi, elaborata in forma originale dallo studente sotto la guida di un relatore, che comporti un lavoro organico e completo, atto a dimostrare capacità di…
Scheda dell'insegnamento
Obiettivi formativi
La prova finale consiste nella presentazione e discussione di una tesi, elaborata in forma originale dallo studente sotto la guida di un relatore, che comporti un lavoro organico e completo, atto a dimostrare capacità di approfondimento, elaborazione e sintesi. Obiettivo della prova è quello di accertare le capacità di applicare quanto appreso nei diversi insegnamenti così come verificare le abilità comunicative e la capacità di apprendere in autonomia.
Lo studente raggiunge piena autonomia nella gestione del proprio lavoro di tesi, ha capacità di interagire con i colleghi, di discutere il proprio lavoro, di presentare i risultati ottenuti.
Programma
Lo studente raggiunge piena autonomia nella gestione del proprio lavoro di tesi, ha capacità di interagire con i colleghi, di discutere il proprio lavoro, di presentare i risultati ottenuti.
Codice insegnamento prova-finale-110
L'insegnamento introduce i fondamenti del calcolo quantistico e post-quantistico con un taglio orientato all'Informatica. Dopo un breve inquadramento storico della nascita della meccanica quantistica e della crisi…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento introduce i fondamenti del calcolo quantistico e post-quantistico con un taglio orientato all'Informatica. Dopo un breve inquadramento storico della nascita della meccanica quantistica e della crisi della fisica classica, il corso presenta i concetti essenziali di qubit, sovrapposizione, interferenza, entanglement, misura, operatori unitari e spazi di Hilbert.Viene quindi introdotto il modello a circuiti quantistici, con le principali porte quantistiche e semplici esempi di costruzione e interpretazione di circuiti. Sono inoltre discussi il ruolo della decoerenza, della correzione d'errore quantistica, delle disuguaglianze di Bell e alcuni elementi di ottica quantistica rilevanti per l'informazione quantistica e la comunicazione quantistica.Il corso presenta algoritmi quantistici fondamentali, tra cui Deutsch-Jozsa, Grover e Shor, con particolare attenzione al loro significato computazionale e al loro impatto sulla crittografia classica. Vengono introdotte la quantum key distribution e le principali famiglie della crittografia post-quantum, tra cui schemi lattice-based, code-based, hash-based e multivariate.L'insegnamento offre inoltre una panoramica delle applicazioni del calcolo quantistico oltre la crittografia, quali simulazione quantistica, ottimizzazione, modelli ibridi quantistico-classici e quantum machine learning. Verranno infine mostrati entrambi gli ambienti Qiskit/Python e Q#, con esercitazioni dedicate alla costruzione, simulazione e analisi di semplici circuiti e algoritmi quantistici.
Al termine del corso, la studentessa o lo studente avrà acquisito una comprensione dei concetti fondamentali della meccanica quantistica necessari al calcolo quantistico e sarà in grado di collocare storicamente la nascita del paradigma quantistico. Saprà rappresentare stati di qubit mediante vettori e operatori, interpretare l'evoluzione mediante trasformazioni unitarie e descrivere il processo di misura in termini probabilistici.La studentessa o lo studente sarà in grado di spiegare il ruolo di sovrapposizione, interferenza, entanglement e decoerenza nel funzionamento dei circuiti quantistici, nonché di leggere e costruire semplici circuiti basati su porte elementari e controllate. Saprà inoltre comprendere il significato delle disuguaglianze di Bell e riconoscere il ruolo dell'ottica quantistica nei protocolli di informazione e comunicazione quantistica.Per quanto riguarda gli algoritmi, sarà in grado di illustrare le idee principali alla base degli algoritmi di Deutsch-Jozsa, Grover e Shor, comprendendone il vantaggio computazionale e le implicazioni per la crittografia. Saprà distinguere tra schemi crittografici classici vulnerabili ad attacchi quantistici, primitive simmetriche parzialmente indebolite e soluzioni post-quantum.La studentessa o lo studente saprà distinguere tra quantum key distribution e crittografia post-quantum, riconoscendo le principali famiglie di schemi post-quantum e il loro ruolo nella transizione verso infrastrutture quantum-safe. Sarà inoltre in grado di descrivere alcune applicazioni non crittografiche del calcolo quantistico, valutandone opportunità, limiti e stato di maturità.Dal punto di vista pratico, acquisirà familiarità introduttiva con Qiskit/Python e Q#, utilizzandoli per costruire, simulare e analizzare semplici circuiti quantistici, eseguire misure, interpretare risultati e confrontare diversi approcci alla programmazione quantistica.
Programma
Al termine del corso, la studentessa o lo studente avrà acquisito una comprensione dei concetti fondamentali della meccanica quantistica necessari al calcolo quantistico e sarà in grado di collocare storicamente la nascita del paradigma quantistico. Saprà rappresentare stati di qubit mediante vettori e operatori, interpretare l'evoluzione mediante trasformazioni unitarie e descrivere il processo di misura in termini probabilistici.La studentessa o lo studente sarà in grado di spiegare il ruolo di sovrapposizione, interferenza, entanglement e decoerenza nel funzionamento dei circuiti quantistici, nonché di leggere e costruire semplici circuiti basati su porte elementari e controllate. Saprà inoltre comprendere il significato delle disuguaglianze di Bell e riconoscere il ruolo dell'ottica quantistica nei protocolli di informazione e comunicazione quantistica.Per quanto riguarda gli algoritmi, sarà in grado di illustrare le idee principali alla base degli algoritmi di Deutsch-Jozsa, Grover e Shor, comprendendone il vantaggio computazionale e le implicazioni per la crittografia. Saprà distinguere tra schemi crittografici classici vulnerabili ad attacchi quantistici, primitive simmetriche parzialmente indebolite e soluzioni post-quantum.La studentessa o lo studente saprà distinguere tra quantum key distribution e crittografia post-quantum, riconoscendo le principali famiglie di schemi post-quantum e il loro ruolo nella transizione verso infrastrutture quantum-safe. Sarà inoltre in grado di descrivere alcune applicazioni non crittografiche del calcolo quantistico, valutandone opportunità, limiti e stato di maturità.Dal punto di vista pratico, acquisirà familiarità introduttiva con Qiskit/Python e Q#, utilizzandoli per costruire, simulare e analizzare semplici circuiti quantistici, eseguire misure, interpretare risultati e confrontare diversi approcci alla programmazione quantistica.
Modalità d'esame
Modalità di valutazione: EsameGiudizio di valutazione: voto verbalizzato in trentesimi
Codice insegnamento quantum-e-post-quantum-computing-0
Al termine del corso lo studente sarà in grado di:1. Comprendere l'architettura di un microcontrollore moderno 2. Sviluppare firmware con ESP-IDF 3. Utilizzare GPIO, UART, SPI, I2C, ADC, DAC e PWM 4. Progettare…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente sarà in grado di:1. Comprendere l'architettura di un microcontrollore moderno 2. Sviluppare firmware con ESP-IDF 3. Utilizzare GPIO, UART, SPI, I2C, ADC, DAC e PWM 4. Progettare applicazioni concorrenti con FreeRTOS 5. Realizzare sistemi IoT basati su MQTT 6. Applicare tecniche di threat modeling e security assessment 7. Comprendere OTA, Secure Boot e Flash Encryption 8. Analizzare firmware e comunicazioni di dispositivi IoT
L'insegnamento introduce gli studenti agli aspetti architetturali, progettuali e di sicurezza dei sistemi IoT utilizzando ESP32 come piattaforma di riferimento. La prima parte è dedicata alla comprensione del microcontrollore, delle periferiche, della memoria, dei bus locali, della connettività e dello sviluppo firmware; la seconda parte affronta threat modeling, sicurezza delle comunicazioni, OTA, firmware analysis, reverse engineering introduttivo e hardening. L'obiettivo didattico è insegnare agli studenti come si progetta e realizza un sistema embedded, di media complessità, sicuro. Per poter frequantare proficuamente il corso lo studente si deve dotare di una scheda Espressif ESP32-S3 DevKitC-1-N8R8 (possibilmente originale va bene anche N16R8). Il corso utilizzerà il linguaggio di programmazione C.
Programma
L'insegnamento introduce gli studenti agli aspetti architetturali, progettuali e di sicurezza dei sistemi IoT utilizzando ESP32 come piattaforma di riferimento. La prima parte è dedicata alla comprensione del microcontrollore, delle periferiche, della memoria, dei bus locali, della connettività e dello sviluppo firmware; la seconda parte affronta threat modeling, sicurezza delle comunicazioni, OTA, firmware analysis, reverse engineering introduttivo e hardening. L'obiettivo didattico è insegnare agli studenti come si progetta e realizza un sistema embedded, di media complessità, sicuro. Per poter frequantare proficuamente il corso lo studente si deve dotare di una scheda Espressif ESP32-S3 DevKitC-1-N8R8 (possibilmente originale va bene anche N16R8). Il corso utilizzerà il linguaggio di programmazione C.
Modalità d'esame
Modalità di valutazione: EsameGiudizio di valutazione: voto verbalizzato in trentesimi
Codice insegnamento sicurezza-dei-sistemi-iot
Scheda dell'insegnamento
Modalità d'esame
Modalità di valutazione: EsameGiudizio di valutazione: voto verbalizzato in trentesimi
Codice insegnamento UC27790
Recensioni del corso
Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.
Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.