Детальная информация

Название Фаззинг RTF-файлов с применением глубоких нейронных сетей: выпускная квалификационная работа специалиста: 10.05.03 - Информационная безопасность автоматизированных систем ; 10.05.03_08 - Анализ безопасности информационных систем
Авторы Самарин Денис Евгеньевич
Научный руководитель Зегжда Петр Дмитриевич
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 IT-технологии; информационная безопасность; фаззинг; нейронные сети; глубокое обучение; rtf; microsoft word; IT; the information security; fuzzing; neural networks; deep learning
Тип документа Выпускная квалификационная работа специалиста
Тип файла PDF
Язык Русский
Уровень высшего образования Специалитет
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/vr19-5347
Права доступа Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи ru\spstu\vkr\1724
Дата создания записи 06.09.2019

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

В данной работе изложена сущность подхода к применению нейронных сетей глубокого обучения. Даны общие понятия rtf-объектов, LSTM сетей и модели Se-quence to sequence. Проведён сбор обучающего датасета, а также обучение нейрон-ной сети на этом наборе. Разработан алгоритм генерации rtf-объектов и проведён анализ его эффективности. Осуществлён фаззинг rtf-файлов с применением разрабо-танного подхода.

In the given work the essence of the approach to the use of deep learning neural networks. Given the general concepts of rtf-objects, LSTM networks and models of Se-quence to sequence. A training dataset was collected, and a neural network was trained on this set. An algorithm for generating rtf objects has been developed and its effectiveness has been analyzed. Fuzzing rtf files using the developed approach was performed.

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

Количество обращений: 76 
За последние 30 дней: 0

Подробная статистика