Details
Title | Обнаружение аномалий трафика с использованием рекуррентных нейронных сетей: выпускная квалификационная работа специалиста: направление 10.05.04 Информационно-аналитические системы безопасности ; образовательная программа 10.05.04_01 Автоматизация информационно-аналитической деятельности |
---|---|
Creators | Шимко Полина Алексеевна |
Scientific adviser | Платонов Владимир Владимирович |
Other creators | Зайцева Елизавета Алексеевна |
Organization | Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики |
Imprint | Санкт-Петербург, 2020 |
Collection | Выпускные квалификационные работы ; Общая коллекция |
Subjects | обнаружение аномалий сетевого трафика ; рекуррентные нейронные сети ; метод главных компонент ; прирост информации ; network traffic anomaly detection ; recurrent neural network ; lstm ; principal component analysis ; information gain |
Document type | Specialist graduation qualification work |
File type | |
Language | Russian |
Level of education | Specialist |
Speciality code (FGOS) | 10.05.04 |
Speciality group (FGOS) | 100000 - Информационная безопасность |
Links | Отзыв руководителя ; Рецензия ; Отчет о проверке на объем и корректность внешних заимствований |
DOI | 10.18720/SPBPU/3/2020/vr/vr20-142 |
Rights | Доступ по паролю из сети Интернет (чтение) |
Record key | ru\spstu\vkr\5578 |
Record create date | 2/7/2020 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Group | Anonymous |
---|---|
Network | Internet |
В данной работе проведено исследование возможностей рекуррентных нейронных сетей. Для поиска аномалий сетевого трафика использовался подкласс рекуррентных нейронных сетей – LSTM (Long Short-Term Memory). Для повышения эффективности обнаружения аномалий были использованы методы сокращения размерности данных. Осуществлена оценка применимости рекуррентных нейронных сетей для обнаружения аномалий.
In this work the study of the possibilities of recurrent neural networks was conducted. For search of network traffic anomalies was used a subclass of recurrent neural networks – LSTM (Long Short-Term Memory). Data reduction methods were used to improve the efficiency of anomaly detection. The applicability of recurrent neural networks for anomaly detection was assessed.
Network | User group | Action |
---|---|---|
ILC SPbPU Local Network | All |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 82
Last 30 days: 0