ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΩΝ

Περίγραμμα Μαθημάτων Ροής Πληροφορικής

Κωδικός

ΜΠ02

Όνομα

Ασφαλή Λειτουργικά Συστήματα

Εξάμηνο

Εαρινό

Περιγραφή


Το μάθημα Ασφαλή Λειτουργικά Συστήματα περιλαμβάνει την παρουσίαση των ακόλουθων διδακτικών ενοτήτων:

1.    Επισκόπηση-επανάληψη βασικών εννοιών λειτουργικών συστημάτων (Είσοδος-Έξοδος, Χρονοπρογραμματισμός ΚΜΕ, Διαχείριση μνήμης, Εικονική μνήμη, Συστήματα Αρχείων)

2.    Βασικές Αρχές της Προστασίας (Protection) σε ένα σύγχρονο Λειτουργικό Σύστημα

3.    Θέματα Ασφάλειας: Απειλές και Επιθέσεις σε συστήματα και δίκτυα, επεξήγηση θεμελιωδών εννοιών κρυπτογράφησης, αυθεντικότητας και κατακερματισμού (encryption, authenticationandhashing), περιγραφή διάφορων "αντιμέτρων" σε επιθέσεις ασφάλειας.

4.    Κατανεμημένα Λειτουργικά Συστήματα

Το μάθημα περιλαμβάνει σειρά εργαστηριακών ασκήσεων ρύθμισης και ελέγχου τρωτότητας των παραμέτρων ασφάλειας λειτουργικών συστημάτων και δικτύων υπολογιστικών συστημάτων.

 

Προαπαιτούμενα:

1.    Βασικές γνώσεις ασφάλειας υπολογιστικών συστημάτων και δικτύων.

2.   Λειτουργικά Συστήματα

ECTS

10

Βιβλιογραφία

        W. Stallings, Κρυπτογραφία και Ασφάλεια Δικτύων, Εκδόσεις ΙΩΝ

        A. Silberschatz, P.Β. Galvin, G. Gagne, Λειτουργικά Συστήματα, Εκδόσεις ΙΩΝ

        Metasploit Documentation, Help and Support, https://community.rapid7.com/docs/DOC-2227

Τρόπος Εξέτασης

Εργασία (40%)

Τελική Εξέταση (60%)

Διδάσκων

Λάμψας Πέτρος

Κωδικός

ΜΠ03

Όνομα

Ασφαλής Προγραμματισμός σε C

Εξάμηνο

Εαρινό

Περιγραφή

Σκοπός το μαθήματος είναι να παρουσιάσει ασφαλεις τεχνικές προγραμματισμού ειδικά σε ένα agile περιβάλλον. Το μάθημα δεν θα εστιάζει σε κάποια συγκεκριμένη γλώσσα προγραμματισμού, αλλά στην εξερεύνηση μεθοδολογιών και προγραμματιστικών περιβάλλοντων τα οποία είναι κατάλληλα για την δημιουργία ασφαλούς λογισμικού. 

Ενδεικτικά τα θέματα που θα αναλυθούν ειναι:

             Secure software development life-cycle (agile / waterfall)

           Threat modeling

           Risk assessment

            Security requirements

            Security architecture

            Secure coding standards

            Security Testing

Προαπαιτούμενα:

Για την παρακολούθηση το μαθήματος δεν απαιτείται η γνώση κάποιας γλώσσας προγραμματισμού μιας και ο σκοπός είναι η απόκτηση γνώσης μεθοδολογιών και τεχνικών οι οποίες μπορούν να εφαρμοστούν σε οποιαδήποτε γλώσσα.

Δομή

           Κάθε φοιτητής στα πλαίσια του μαθήματος θα πρέπει να προετοιμάσει μία διάλεξη σε ένα από τα θέματα του μαθήματος. Για την βοήθεια και καλύτερη προετοιμασία της διάλεξης ο διδάσκων θα παρέχει κατάλληλη ενδεικτική βιβλιογραφία.

            Καθε φοιτητής θα ετοιμάσει και παρουσιάσει μια εργασία η οποία θα ασχολείται με κάποιο πρόβλημα σχετικό με τα θέματα που θα παρουσιαστούν κατά τις διαλέξεις.

ECTS

10

Βιβλιογραφία

Πηγές Πληροφόρησης

          http://www.microsoft.com/security/sdl/learn/assess.aspx

         http://www.microsoft.com/sdl.

         http://www.cert.org/secure-coding/

          https://www.owasp.org/index.php/Secure_Coding_Principles

          http://www.symantec.com/connect/articles/secure-coding

          https://msdn.microsoft.com/en-us/library/d55zzx87(v=VS.90).aspx

         https://developer.apple.com/library/mac/documentation/Security/Conceptual/SecureCodingGuide/Articles/TypesSecVuln.html

         https://www.owasp.org/index.php/Category:Software_Assurance_Maturity_Model

          https://www.enisa.europa.eu/activities/Resilience-and-CIIP/critical-applications/secure-software-engineering

          http://research.cs.wisc.edu/mist/includes/tutorials.html

          https://training.safecode.org/

Τρόπος Εξέτασης

·         Διάλεξη - 50% του τελικού βαθμού

·         Εργασία –  Παρουσίαση - 50% το τελικού βαθμού

Διδάσκων

Κίκιρας Παναγιώτης

Κωδικός

ΜΠ04

Όνομα

Προχωρημένα θέματα Βάσεων Δεδομένων

Εξάμηνο

Εαρινό

Περιγραφή

Η εξέλιξη της τεχνολογίας σε συνδυασμό με την καθολική χρήση του διαδικτύου έχει συμβάλλει σημαντικά στη συσσώρευση τεράστιων όγκων δεδομένων. Τα πεδία των εφαρμογών που απαιτούν εντατική επεξεργασία/ανάλυση δεδομένων είναι ποικίλα όπως εφαρμογές ιατρικής, βιοπληροφορικής, ανάλυση κοινωνικών δικτύων, ανάλυση πωλήσεων, επεξεργασία και  ανάλυση επιχειρησιακών δεδομένων (δίκτυο πωλήσεων και πελατών, δεδομένων ERP),  επεξεργασία και ανάλυση ροών δεδομένων από δίκτυα αισθητήρων κλπ.   Στόχος του μαθήματος είναι η κατανόηση σύγχρονων «συστημάτων διαχείρισης βάσεων δεδομένων» (ΣΔΒΔ) και τεχνολογιών που επιτρέπουν την διαχείριση και ανάλυση μεγάλου όγκου δεδομένων.

Τα θέματα που θα καλύψει το μάθημα πιο αναλυτικά είναι:

·         Βασικές έννοιες Συστημάτων Διαχείρισης Βάσεων Δεδομένων , Σχεσιακών ΣΔΒΔ, Δομών Δεικτοδότησης.

·         Σύγχρονες Τεχνολογίες:

1.    ΝοSQL/NewSQL (Column, Document/XML, Object/Relational, Graph/RDF, Key-Value, In-Memory) ΣΔΒΔ

2.    Χωρικών και Χρονικών ΣΔΒΔ

3.    Πολυμεσικών ΣΔΒΔ

4.    Data Warehousing και OLAP Συστημάτων

5.    Κατανεμημένων Συστημάτων διαχείρισης βάσεων δεδομένων (ΣΔΒΔ),

6.    Συστημάτων Εντατικής Επεξεργασίας Δεδομένων (Hadoop/MapReduce, Streaming)

·         Παρουσίαση θεμάτων ανάλυσης και εξόρυξης μεγάλου όγκου δεδομένων με στόχο την κατανόηση προτύπων, την εύρεση ομοιοτήτων, τον προσδιορισμό συσχετίσεων, τον εντοπισμό ομαλοτήτων ή ανωμαλιών  (DataAnalytics και DataMining μέθοδοι).

·         Θέματα Βελτιστοποίησης σε ΣΔΒΔ  και Δομές Ευρετηρίων

o   Βελτιστοποίηση Ερωτημάτων

o   Χωρικά Ευρετήρια

o   Ευρετήρια Κειμένων

o   Χρονικά Ευρετήρια

o   Δεικτοδότηση στην δευτερεύουσα μνήμη

o   Κατανεμημένα Ευρετήρια

 

Προαπαιτούμενα:

 

          Βάσεις Δεδομένων

         Δομές Δεδομένων και Αλγόριθμοι

          Ανάκτηση Πληροφορίας

          Εξόρυξη Γνώσης

ECTS

10

Βιβλιογραφία

       Database Management Systems (3 ed.). Raghu Ramakrishnan and Johannes Gehrke. 2002. McGraw-Hill, Inc., New York, NY, USA.

       Database Systems Concepts (5 ed.). Abraham Silberschatz, Henry Korth, and S. Sudarshan. 2005. McGraw-Hill, Inc., New York, NY, USA.

      Introduction to Data Mining. Pang-Ning Tan, Michael Steinbach, and Vipin Kumar. Addison-Wesley, April 2005. ISBN: 0-321-32136-7.

      Data Mining: Concepts and Techniques. J. Han and M. Kamber,  Morgan Kaufmann Publishers, Second Edition, 2006.

       Modern Information Retrieval. Ricardo A. Baeza-Yates and Berthier Ribeiro-Neto. 1999. Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA.

       Introduction to Information Retrieval. Christopher D. Manning, Prabhakar Raghavan, and Hinrich Schütze. 2008. Cambridge University Press, New York, NY, USA.

       Handbook of Massive Data Sets. James Abello, Panos M. Pardalos, and Mauricio G. C. Resende (Eds.). 2002. Kluwer Academic Publishers, Norwell, MA, USA.

       Foundations of Multidimensional and Metric Data Structures. Hanan Samet. 2005.  Morgan Kaufmann Publishers Inc., San Francisco, CA, USA

Τρόπος Εξέτασης

        Εκπόνηση Προγραμματιστικής Εργασίας [60%]

        Παρουσίαση Θεωρητικού Θέματος [40%]

Διδάσκων

Θεοδωρίδης Ευάγγελος

 

Κωδικός

ΜΠ05

Όνομα

Συστήματα Γεωγραφικών Πληροφοριών  (GIS)

Εξάμηνο

Εαρινό

Περιγραφή

Στόχος: 

Απόκτηση βασικών γνώσεων για τις κύριες αρχές και διαδικασίες ενός Συστήματος Γεωγραφικών Πληροφοριών (ΣΓΠ).

 

Σκοπός: 

Ανάπτυξη δεξιοτήτων χρήσης, απεικόνισης και αξιολόγησης δεδομένων σ’ ένα Σύστημα Γεωγραφικών Πληροφοριών.

 

Περιγραφή μαθήματος:

Εισαγωγικές έννοιες και βασικές αρχές Γεωγραφικών Συστημάτων Πληροφοριών. Τύποι και Χωρική Διάσταση Δεδομένων. Εισαγωγή δεδομένων, Τοπολογία, Θεματικά επίπεδα. Βάσεις δεδομένων. Τεχνικές επεξεργασίας. Ανάλυση, έλεγχος και αξιολόγηση αποτελεσμάτων. Απεικόνιση και Μέθοδοι Χαρτογραφικής Ανάλυσης. Συσχετίσεις Θεματικών Επιπέδων. Σχεδιασμός ΓΣΠ. Παραδείγματα, Ασκήσεις και Εφαρμογές. Ειδικά κεφάλαια. Τύποι λογισμικών.

ECTS

10

Βιβλιογραφία

1. P.A. LOGNELY- M.F GOODCHILD, D.J MAGUIRE, D.W RHIND, Συστήματα και επιστήμη γεωγραφικών πληροφοριών (2η έκδοση), Εκδόσεις: ΚΛΕΙΔΑΡΙΘΜΟΣ, 2010.

 

2. Κωστής Κουτσόπουλος, Γεωγραφικά συστήματα πληροφοριών και ανάλυση του χώρου, Εκδόσεις Παπασωτηριου, 2002.

 

3. Heywood I., Cornelius S, Carver S. (2006), An Introduction to Geographical Information Systems, 3rd edn., Pearson, Harlow.

4. Kennedy M. (2006), Introducing Geographical Information Systems with ArcGIS, Wiley.

5. Lloyd C.D. (2010), Spatial Data Analysis, An introduction for GIS Users, Oxford, New York.

6. Longley P.A., Goodchild M.F., Maguire D.J., Rhind D.W. (2005), Geographic Information Systems and Science, 2nd edn., Wiley, Chichester.

7. Parker R.N., Asencio E.K. (2008), GIS and Spatial Analysis for the Social Sciences – Coding Mapping and Modeling, Routledge, New York.

Τρόπος Εξέτασης

 

Διδάσκων

Αγγέλης Ευάγγελος-Δωρόθεος

 

 

Κωδικός

ΜΠ06

Όνομα

Προσομοίωση μεγάλων συστημάτων

Εξάμηνο

Εαρινό

Περιγραφή

Το μάθημα έχει ως στόχο να παρέχει στους φοιτητές την δυνατότητα να συνδυάσουν γνώσεις που έχουν αποκομίσει από βασικά μαθήματα Αριθμητικής Ανάλυσης και Προγραμματισμού, στην ανάπτυξη ενός σύγχρονου εργαλείου προσομοίωσης συστημάτων μεγάλης κλίμακας (π.χ. ηλεκτρικών και ηλεκτρονικών κυκλωμάτων).

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής/τρια θα είναι σε θέση να:

·         Διαμορφώνει το σύστημα γραμμικών ή μη γραμμικών εξισώσεων για την προσομοίωση ενός φυσικού συστήματος που περιγράφεται σε αρχείο εισόδου.

·         Επιλύει ένα σύστημα γραμμικών ή μη γραμμικών εξισώσεων με μια σειρά άμεσων ή επαναληπτικών αριθμητικών μεθόδων, και με τη χρήση βιβλιοθηκών επιστημονικού υπολογισμού και αλγορίθμων αραιών μητρών.

·         Προσομοιώνει ένα σύστημα στο πεδίο του χρόνου με αριθμητικές μεθόδους επίλυσης συνήθων διαφορικών εξισώσεων.

·         Προσομοιώνει ένα σύστημα στο πεδίο της συχνότητας με επίλυση συστημάτων μιγαδικών εξισώσεων ή/και ταχύ μετασχηματισμό Fourier.

·         Συνεργάζεται με συναδέλφους/συμφοιτητές του ως μέλος μιας ομάδας ανάπτυξης επιστημονικού λογισμικού σε βιομηχανικό επίπεδο.

Προαπαιτούμενα:

·         Αριθμητική Ανάλυση

·         Προγραμματισμός Η/Υ

ECTS

10

Βιβλιογραφία

 

Τρόπος Εξέτασης

·         Διάλεξη - 50% του τελικού βαθμού

·         Εργασία –  Παρουσίαση - 50% το τελικού βαθμού

Διδάσκων

Ευμορφόπουλος Νέστωρ

 

 

Κωδικός

ΜΠ07

Όνομα

Συστήματα CAD

Εξάμηνο

Εαρινό

Περιγραφή

Τα σύγχρονα VLSI chips είναι σχεδιάσεις μεγάλης πολυπλοκότητας οι οποίες αποτελούνται από πολλαπλά διακριτά τμήματα: δισεκατομμύρια τρανζίστορ, εκατομμύρια λογικών πυλών για την πραγματοποίηση

υπολογισμών και τον έλεγχο της ορθής λειτουργίας, μνήμες διαφορετικών τεχνολογιών και ενσωματωμένα προσχεδιασμένα από τρίτους block (intellectualproperty (IP) blocks) που υλοποιούν συγκεκριμένες συναρτήσεις.

 

Είναι προφανές πως ο χειρωνακτικός σχεδιασμός δεν είναι πλέον εφαρμόσιμος σε σχεδιάσεις τόσο μεγάλης πολυπλοκότητας. Η σύγχρονη απάντηση στο πρόβλημα του σχεδιασμού είναι η χρήση εργαλείων υποβοηθούμενης σχεδίασης από ηλεκτρονικούς υπολογιστές (Computer-Aided Design (CAD) Tools). Χρησιμοποιώντας μια αλληλουχία εργαλείων αυτής της κατηγορίας μπορούμε ξεκινώντας από την αφαιρετική

περιγραφή ενός κυκλώματος να καταλήξουμε στην τελική σχεδίαση.

 

Το μάθημα επικεντρώνεται στην παρουσίαση των βασικών εργαλείων σχεδίασης ASIC (ApplicationSpecificIntegratedCircuits) ή SoC (Systemon Chip) συστημάτων. Ο στόχος του μαθήματος είναι οι φοιτητές να αποκομίσουν μια σφαιρική γνώση της διαδικασίας σχεδιασμού και υλοποίησης μιας σχεδίασης, μέσω της χρήσης μιας σειράς βιομηχανικών CAD Tools και να εξετάσουν σε μεγαλύτερο βάθος εκείνο το κομμάτι της

διαδικασίας το οποίο κατά την γνώμη τους παρουσιάζει το μεγαλύτερο ερευνητικό ενδιαφέρον.

 

Οι επιμέρους ενότητες με τις οποίες θα ασχοληθούμε είναι οι ακόλουθες:

         Front-End Design

1.    Hardware Description Languages

2.    Simulation

3.    Synthesis

4.    Design for Testability

5.    Formal Verification

6.    Power Analysis

7.    Timing Analysis

          Back-End Design

1.    Placement

2.    Clock Tree Synthesis

3.    Routing

4.    Timing Verification

5.    Physical Verification

ECTS

10

Βιβλιογραφία

 

Τρόπος Εξέτασης

 

Διδάσκων

Δαδαλιάρης Αντώνιος