Details

Title: Обнаружение сетевых атак при помощи муравьиного алгоритма: выпускная квалификационная работа специалиста: 10.05.03 - Информационная безопасность автоматизированных систем ; 10.05.03_08 - Анализ безопасности информационных систем
Creators: Зайцева Елизавета Алексеевна
Scientific adviser: Платонов Владимир Владимирович
Other creators: Резединова Евгения Юрьевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Imprint: Санкт-Петербург, 2018
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: обнаружение сетевых атак; роевой интеллект; алгоритм муравьиной колонии; отбор атрибутов; классификация; network attack detection; swarm intelligence; ant colony alogorithm; feature selection; classification
Document type: Specialist graduation qualification work
File type: PDF
Language: Russian
Level of education: Specialist
Speciality code (FGOS): 10.05.03
Speciality group (FGOS): 100000 - Информационная безопасность
Links: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2018/vr/vr18-202
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: ru\spstu\vkr\113

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В данной работе изложена сущность подхода к обнаружению сетевых атак с использованием алгоритма классификации основанного на алгоритме муравьиной колонии. Проведен сравнительный анализ существующих алгоритмов и выбран наиболее подходящий алгоритм для поставленной задачи. Проведено тестирование и получены значения точности обнаружения на выбранных наборах данных. Выполнен анализ полученных результатов. Приведены возможные причины получения низкой точности обнаружения.

In the given work the essence of the approach to network attack detection using classification algorithm based on ant colony algorithm is stated. A compar-ative analysis of existing algorithms is performed and the most suitable algorithm is chosen. A testing is undertaken and detection accuracy values are obtained us-ing chosen datasets. An analysis of achieved results is performed. Possible causes of low detection accuracy are introduced.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
Internet Authorized users SPbPU Read Print Download
-> Internet Anonymous

Usage statistics

stat Access count: 195
Last 30 days: 0
Detailed usage statistics