Детальная информация

Название: Применение искусственной нейронной сети для оценки риска заражения компьютера вредоносным программным обеспечением: выпускная квалификационная работа бакалавра: 09.03.03 - Прикладная информатика ; 09.03.03_03 - Прикладная информатика в области информационных ресурсов
Авторы: Заднепровский Андрей Владимирович
Научный руководитель: Пак Вадим Геннадьевич
Другие авторы: Колосова Ольга Владимировна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: машинное обучение; искусственные нейронные сети; бинарная классификация; большие данные; вредоносное программное обеспечение; machine learning; artifical neural network; binary classification; big data; malware
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Уровень высшего образования: Бакалавриат
Код специальности ФГОС: 09.03.03
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-1772
Права доступа: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи: ru\spstu\vkr\3058

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Данная работа относится к сфере машинного обучения. В первой главе ставится задача оценки рисков заражения компьютера вредоносным ПО и делается обзор подходов, применимых для решения этой задачи. Во второй и третьей главах разрабатывается и реализуется модель ИНС, производится первичная оценка ее эффективности для решения поставленной задачи. В четвертой главе производится тестирование модели ИНС при различных наборах гиперпараметров, в результате которого в финальную модель ИНС вносятся необходимые улучшения. По итогам работы делается вывод об эффективности полученной ИНС и перспективах ее улучшения.

This work belongs to the sphere of machine learning. The first chapter sets the task of assessing the risk of a computer being infected with malware and reviews approaches applicable to this task. In the second and third chapters, the ANN model is developed and implemented, the initial assessment of its effectiveness for solving the problem is carried out. The fourth chapter tests the ANN model with various sets of hyperparameters, as a result of which the necessary improvements are made to the final ANN model. Based on the results of the work, a conclusion is made about the effectiveness of the ANN and the prospects for its improvement.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ Прочитать Печать Загрузить
-> Интернет Анонимные пользователи

Оглавление

  • РЕФЕРАТ
  • THE ABSTRACT
  • СОДЕРЖАНИЕ
  • ВВЕДЕНИЕ
  • ГЛАВА 1. ОПИСАНИЕ ЗАДАЧИ И ОБЗОР ПОДХОДОВ ДЛЯ ЕЕ РЕШЕНИЯ
    • 1.1. Задача оценки рисков заражения компьютера вредоносным ПО
    • 1.2. Метрика для оценки эффективности решения
    • 1.3. Подходы, применяющиеся для решения задачи
      • 1.3.1. Деревья решений
      • 1.3.2. Случайные леса
      • 1.3.3. Градиентный бустинг
      • 1.3.4. Логистическая регрессия
      • 1.3.5. Искусственные нейронные сети
    • 1.4. Выводы по первой главе
  • ГЛАВА 2. РАЗРАБОТКА МОДЕЛИ ИНС
    • 2.1. Анализ исходных данных
      • 2.1.1. Обнаружение избыточных признаков
      • 2.1.2. Подготовка данных
    • 2.2. Типы слоев
      • 2.2.1. Вычислительные слои
      • 2.2.2. Слои преобразования данных
    • 2.3. Функция потерь
    • 2.4. Оптимизатор
    • 2.5. Топология сети
  • ГЛАВА 3. ПРОГРАМНАЯ РЕАЛИЗАЦИЯ ИНС
    • 3.1. Используемые программные средства
    • 3.1. Предварительная обработка данных
    • 3.3. Реализация ИНС
  • ГЛАВА 4. ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ ИНС
    • 4.1. Применение слоев активации и нормализации
    • 4.2. Подбор размера полносвязных слоев и глубины ИНС
    • 4.3. Применение регуляризации и прореживания
    • 4.4. Итоговая конфигурация ИНС
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
  • Приложение 1
  • Приложение 2
  • Приложение 3

Статистика использования

stat Количество обращений: 48
За последние 30 дней: 1
Подробная статистика