Тема выпускной квалификационной работы: «Сравнительный анализ методов машинного обучения для анализа атак на IoT». Целью работы является повышение эффективности обнаружения атак на Интернет вещей с помощью методов машинного обучения. Предметом исследования является сравнительный анализ методов машинного обучения для обнаружения атак на IoT. Задачи, решаемые в ходе исследования: 1) провести анализ атак на IoT, определить особенности их обнаружения; 2) выполнить предварительный отбор методов машинного обучения, подходящих для обнаружения атак на IoT; 3) разработать программный прототип системы обнаружения атак на IoT на основе выбранных методов машинного обучения; 4) провести сравнительный анализ методов машинного обучения для обнаружения атак на IoT. В ходе работы была исследована архитектура IoT. Были изучены особенности методов машинного обучения и проанализирована применимость методов к обнаружению атак на Интернет вещей. В результате работы был проведен сравнительный анализ методов машинного обучения для обнаружения атак на IoT. Результаты проведенных тестов были оценены по пяти метрикам. Полученные результаты могут быть использованы в качестве основы для проектирования систем обнаружения вторжений для сети Интернета вещей.

The topic of the graduate qualification work is «Comparative analysis of machine learning methods for analyzing attacks on IoT». The purpose of the study is to increase the efficiency of detecting attacks on the Internet of things using machine-learning methods. The subject of the research is a comparative analysis of machine learning methods for detecting attacks on the IoT. The research set the following goals: 1) to analyze attacks on IoT, to determine the features of their detection; 2) preselect machine learning methods suitable for IoT attack detection; 3) develop a software prototype of an IoT attack detection system based on the selected machine learning methods; 4) conduct a comparative analysis of machine learning methods for detecting attacks on IoT. During the work, the IoT architecture was explored. The features of machine learning methods were studied and the applicability of the methods to detecting attacks on the Internet of things was analyzed. The work resulted a comparative analysis of machine learning methods for detecting attacks on IoT was carried out. The results of the tests were evaluated according to five metrics. The results obtained can be used as a basis for designing intrusion detection systems for the Internet of things.