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 | |
Язык | Русский |
Уровень высшего образования | Специалитет |
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 | Доступ по паролю из сети Интернет (чтение) |
Ключ записи | ru\spstu\vkr\5578 |
Дата создания записи | 07.02.2020 |
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 |
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.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 82
За последние 30 дней: 0