Детальная информация

Название: Исследование параметров нейронных сетей семейства LSTM для повышения эффективности обнаружения сетевых аномалий: выпускная квалификационная работа специалиста: 10.05.03 - Информационная безопасность автоматизированных систем ; 10.05.03_08 - Анализ безопасности информационных систем
Авторы: Плотников Ярослав Александрович
Научный руководитель: Платонов Владимир Владимирович
Другие авторы: Резединова Евгения Юрьевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: сетевые атаки; обнаружение вторжений; средство обнаружения вторжений; нейронные сети; tensorflow; network attacks; intrusion detection; intrusion detection system; neural networks
Тип документа: Выпускная квалификационная работа специалиста
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 10.05.03
Группа специальностей ФГОС: 100000 - Информационная безопасность
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-5343
Права доступа: Доступ по паролю из сети Интернет (чтение)

Разрешенные действия:

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

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

В данной работе проведен анализ рекуррентных нейронных сетей. Разработаны архитектуры глубоких нейронных сетей семейства LSTM для обнаружения сетевых аномалий. На языке программирования Python с использованием библиотеки TensorFlow реализован прототип системы обнаружения вторжений, в основе которой лежат разработанные архитектуры нейронных сетей. Осуществлено тестирование разработанного прототипа, и проведен анализ полученных результатов.

In the given work the recurrent neural networks are analyzed. The deep neural networks of set LSTM architectures for anomaly detection is developed. Intrusion detection system prototype based on developed neural networks architectures is implemented in Python using Tensorflow. Implemented prototype is tested. Obtained results is analyzed.

Права на использование объекта хранения

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

Статистика использования

stat Количество обращений: 96
За последние 30 дней: 1
Подробная статистика