С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

Детальная информация

Название: 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
Авторы: Шимко Полина Алексеевна
Научный руководитель: Платонов Владимир Владимирович
Другие авторы: Зайцева Елизавета Алексеевна
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Выходные сведения: Санкт-Петербург, 2020
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: 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
Тип документа: Выпускная квалификационная работа специалиста
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 10.05.04
Группа специальностей ФГОС: 100000 - Информационная безопасность
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2020/vr/vr20-142
Права доступа: Свободный доступ 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 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.

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: 33
За последние 30 дней: 0
Подробная статистика