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
Record create date 11/9/2018

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

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.

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

Access count: 197 
Last 30 days: 2

Detailed usage statistics