Tipo di tesi |
Tesi di laurea magistrale |
Autore |
ROTA, ALESSIO
|
URN |
etd-03012021-155709 |
Titolo |
Sistema affidabile e sicuro per il controllo del biocontenimento basato
su applicazioni cloud e machine learning. |
Titolo in inglese |
|
Struttura |
Dipartimento di Ingegneria "Enzo Ferrari" |
Corso di studi |
Ingegneria Informatica (D.M.270/04) |
Commissione |
Nome Commissario |
Qualifica |
MARCHETTI MIRCO |
Primo relatore |
COLAJANNI MICHELE |
Correlatore |
|
Parole chiave |
- Biocontenimento
- Cloud
- Machine Learning
- Scalabilità
- Sicurezza
|
Data inizio appello |
2021-04-15 |
Disponibilità |
Accesso limitato: si può decidere quali file della tesi rendere accessibili. Disponibilità mixed (scegli questa opzione se vuoi rendere inaccessibili tutti i file della tesi o parte di essi) |
Data di rilascio | 2061-04-15 |
Riassunto analitico
I dispositivi di biocontenimento attualmente impiegati per il trasporto di pazienti con casi sospetti o accertati di malattie infettive ad alto contagio sono controllati da un operatore sanitario presente sul posto in modo passivo. L’approccio utilizzato per l’organizzazione di eventuali interventi di manutenzione è di tipo passivo, cioè essi vengono pianificati ed effettuati quando si presenta un malfunzionamento. L’obiettivo di questo lavoro di ricerca è l’implementazione di un sistema sicuro e affidabile che renda possibile il monitoraggio da remoto, che aiuti gli operatori presenti sul posto e che inserisca l’approccio proattivo nella gestione degli interventi manutentivi. Al fine di arrivare al risultato atteso sono necessarie diverse fasi. La prima consiste nella raccolta e nell’analisi dei requisiti che deve possedere il sistema in tutte le sue funzionalità. La seconda consiste nella progettazione e realizzazione di un modello fisico in laboratorio che possa ricreare i fenomeni fisici presenti all’interno di una camera di biocontenimento. Si passa poi alla fase di campionamento dei dati prodotti e all’invio verso il cloud. La comunicazione tra dispositivi è resa sicura ed affidabile grazie all’utilizzo di funzioni crittografiche e di hashing per garantire riservatezza, privacy e integrità dei dati. Una volta ricevuti i dati vengono analizzati, visualizzati e tramite l’utilizzo di algoritmi di machine learning viene predetta una condizione di anomalia imminente. Grazie a questo approccio è possibile reagire prima che un evento avverso possa accadere e compromettere la salute del paziente custodito e la salute degli operatori sanitari. La sicurezza dell’intero sistema è garantita anche dalla realizzazione di un sistema di accesso basato su ruoli e ciascun soggetto coinvolto nel progetto possiede i permessi minimi per eseguire il proprio compito. Seguono i risultati sperimentali raccolti in laboratorio per dimostrare l’efficacia di questo sistema. Infine, il sistema viene testato in uno scenario operativo che simuli le condizioni di reale utilizzo.
|
Abstract
|
File |
Nome file |
Dimensione |
Tempo di download stimato
(Ore:Minuti:Secondi) |
28.8 Modem |
56K Modem |
ISDN (64 Kb) |
ISDN (128 Kb) |
piu' di 128 Kb |
Ci sono 1 file
riservati su richiesta dell'autore.
|
Contatta l'autore
|
|