Details

Новокрещенов, Дмитрий Андреевич. Обнаружение аномалий сетевого трафика с использованием lLSTM-GAN [Электронный ресурс] = Network traffic anomaly detection using LSTM-GAN: выпускная квалификационная работа специалиста: 10.05.03 - Информационная безопасность автоматизированных систем ; 10.05.03_08 - Анализ безопасности информационных систем / Д. А. Новокрещенов; Санкт-Петербургский политехнический университет Петра Великого, Институт прикладной математики и механики ; науч. рук. В. В. Платонов ; консультант по нормоконтролю Е. Ю. Резединова. — Электрон. текстовые дан. (1 файл : 8,4 Мб). — Санкт-Петербург, 2019. — Загл. с титул. экрана. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Adobe Acrobat Reader 7.0. — <URL:http://elib.spbstu.ru/dl/3/2019/vr/vr19-5488.pdf>. — <URL:http://doi.org/10.18720/SPBPU/3/2019/vr/vr19-5488>. — <URL:http://elib.spbstu.ru/dl/3/2019/vr/rev/vr19-5488-o.pdf>. — <URL:http://elib.spbstu.ru/dl/3/2019/vr/rev/vr19-5488-r.pdf>. — <URL:http://elib.spbstu.ru/dl/3/2019/vr/rev/vr19-5488-a.pdf>.

Record create date: 9/6/2019

Subject: нейронные сети; обнаружение аномалий; генеративно-состязательные сети; сети lstm; keras; cicids2017; neural networks; anomaly detection; generative-adversarial networks; lstm networks; keras; cicids2017

Collections: Выпускные квалификационные работы; Общая коллекция

Links: DOI; Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований

Allowed Actions: Read Download (8.4 Mb) You need Flash Player to read document

Group: Anonymous

Network: Internet

Annotation

В настоящей выпускной квалификационной работе специалиста приведены результаты исследования применимости нейросетевой архитектуры LSTM-GAN для решения задачи обнаружения аномалий сетевого трафика. Работа содежрит анализ существующих типов аномалий, а также способов выявления аномальных отклонений в сетевом трафике. Для решения задачи выбрана архитектура LSTM-GAN, определены параметры модели и исходных данных. Реализован программный прототип нейросетевой модели LSTM-GAN для обнаружения аномалий сетевого трафика.

In this specialist graduation qualification work, the results of the study of the applicability of the LSTM-GAN neural network architecture for solving the problem of network traffic anomalies are presented. The work contains an analysis of existing types of anomalies, as well as ways to detect abnormal deviations in network traffic. To solve the problem, the LSTM-GAN architecture was chosen, the parameters of the model and the source data were determined. A software prototype of the LSTM-GAN neural network model for detection network traffic anomalies has been implemented.

Document access rights

Network User group Action
FL SPbPU Local Network All Read Print Download
-> Internet All Read Print Download

Document usage statistics

stat Document access count: 25
Last 30 days: 8
Detailed usage statistics