As technology is growing at a fast pace, IoT-based smart home services are increasingly adopted by people. IoT-based smart homes offer numerous unimaginable benefits, including efficiency, safety, effectiveness, scalability of services, devices, and data, among many others. However, there is another side to this technology: security threats. As IoT-based technology is distributed in nature, implementing security measures and policies to protect the infrastructure becomes very difficult. The infrastructure faces threats such as information theft, eavesdropping, distortion, and more. Ensuring the security of smart home IoT devices is a critical concern, and user behavior plays a major role in achieving it. Furthermore, Theory of Planned Behavior (TPB) was utilized throughout the study. This study employed a qualitative research methodology and content analysis technique to investigate the impact of user behavior on the security of smart home IoT devices. The findings revealed several themes, such as the significance of comprehending and resolving security issues, the implementation of security measures, and the impact of user education and awareness. The study offered fresh perspectives on IoT device security and will aid in developing security best practices / I takt med att tekniken växer i snabb takt, anammas IoT-baserade smarta hemtjänster alltmer av människor. IoT-baserade smarta hem erbjuder många ofattbara fördelar, inklusive effektivitet, säkerhet, effektivitet, skalbarhet för tjänster, enheter och data, bland många andra. Däremot är en annan sida av denna teknik: säkerhetshot. Som IoT-baserad teknik distribueras i natur, att implementera säkerhetsåtgärder och policyer för att skydda infrastrukturen blir mycketsvår. Infrastrukturen står inför hot som informationsstöld, avlyssning, förvrängning och Mer. Att säkerställa säkerheten för smarta hem IoT-enheter är en kritisk fråga, och användarnas beteende spelar en stor roll för att uppnå det. Dessutom användes Theory of Planned Behavior (TPB).under hela studien. Denna studie använde en kvalitativ forskningsmetodik och innehållanalysteknik för att undersöka hur användarbeteendet påverkar säkerheten för IoT för smarta hemenheter. Fynden avslöjade flera teman, såsom betydelsen av att förstå och lösa säkerhetsfrågor, implementering av säkerhetsåtgärder och användarens inverkanutbildning och medvetenhet. Studien erbjöd nya perspektiv på IoT-enhetssäkerhet och kommer att hjälpa att utveckla bästa praxis för säkerhet / نظرًا لأن التكنولوجيا تنمو بوتيرة سريعة ، يتم اعتماد خدمات المنزل الذكي القائمة على إنترنت الأشياء بشكل متزايد من قبل الناس. توفر المنازل الذكية القائمة على إنترنت الأشياء العديد من المزايا التي لا يمكن تصورها ، بما في ذلك الكفاءة والأمان والفعالية وقابلية التوسع في الخدمات والأجهزة والبيانات ، من بين أشياء أخرى كثيرة. ومع ذلك ، هناك جانب آخر لهذه التكنولوجيا: التهديدات الأمنية. نظرًا لتوزيع التكنولوجيا القائمة على إنترنت الأشياء بطبيعتها ، يصبح تنفيذ التدابير والسياسات الأمنية لحماية البنية التحتية أمرًا صعبًا للغاية. تواجه البنية التحتية تهديدات مثل سرقة المعلومات والتنصت والتشويه والمزيد. يعد ضمان أمان أجهزة إنترنت الأشياء المنزلية الذكية مصدر قلق بالغ ، ويلعب سلوك المستخدم دورًا رئيسيًا في تحقيق ذلك. علاوة على ذلك ، تم استخدام نظرية السلوك المخطط (TPB) طوال الدراسة. استخدمت هذه الدراسة منهجية البحث النوعي وتقنية تحليل المحتوى للتحقيق في تأثير سلوك المستخدم على أمن أجهزة إنترنت الأشياء المنزلية الذكية. كشفت النتائج عن عدة محاور ، مثل أهمية فهم وحل المشكلات الأمنية ، وتنفيذ التدابير الأمنية ، وتأثير تثقيف المستخدمين وتوعيتهم. قدمت الدراسة وجهات نظر جديدة حول أمن أجهزة إنترنت الأشياء وستساعد في تطوير أفضل الممارسات الأمنية

Different road users follow different behaviors and intentions in the trajectories that they traverse. Predicting the intent of these road users at intersections would not only help increase the comfort of drive in autonomous vehicles, but also help detect potential accidents. In this thesis, the research objective is to build models that predicts future positions of road users (pedestrians,cyclists and autonomous shuttles) by capturing behaviors endemic to different road users.  Firstly, a constant velocity state space model is used as a benchmark for intent prediction, with a fresh approach to estimate parameters from the data through the EM algorithm. Then, a neural network based LSTM sequence modeling architecture is used to better capture the dynamics of road user movement and their dependence on the spatial area. Inspired by the recent success of transformers and attention in text mining, we then propose a mechanism to capture the road users' social behavior amongst their neighbors. To achieve this, past trajectories of different road users are forward propagated through the LSTM network to obtain representative feature vectors for each road users' behaviour. These feature vectors are then passed through an attention-layer to obtain representations that incorporate information from other road users' feature vectors, which are in-turn used to predict future positions for every road user in the frame. It is seen that the attention based LSTM model slightly outperforms the plain LSTM models, while both substantially outperform the constant velocity model. A comparative qualitative analysis is performed to assess the behaviors that are captured/missed by the different models. The thesis concludes with a dissection of the behaviors captured by the attention module.