?

Details
Table Card RUSMARC
Title: Автоматизированный поиск веб-уязвимостей с использованием методов искусственного интеллекта: выпускная квалификационная работа специалиста: направление 10.05.04 Информационно-аналитические системы безопасности ; образовательная программа 10.05.04_01 Автоматизация информационно-аналитической деятельности
Creators: Макеев Владимир Владимирович
Scientific adviser: Павленко Евгений Юрьевич
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 веб-уязвимостей; машинное обучение; искусственный интеллект; безопасность веб-приложений; метод градиентного бустинга; detection of web vulnerabilities; machine learning; artificial intelligence; the security of web applications; the gradient boosting method
Document type: Specialist graduation qualification work
File type: PDF
Language: Russian
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/vr20-154
Rights: Доступ по паролю из сети Интернет (чтение)

Allowed Actions: –

Action 'Read' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

Настоящая выпускная квалификационная работа содержит анализ уязвимостей межсайтового выполнения сценариев и SQL-инъекций. Также в работе разработан подход к поиску веб-уязвимостей с помощью метода искусственного интеллекта, в частности – метода градиентного бустинга, и осуществлена реализация программного прототипа предлагаемого подхода.

This final qualifying work contains of cross-site scripting and SQL-injection web vulnerability analysis. It also includes the developed approach to the search for web vulnerabilities using the artificial intelligence method, in par-ticular – the gradient boosting method and software prototype of the proposed approach is implemented.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read
Internet Authorized users SPbPU Read
Internet Authorized users (not from SPbPU)
-> Internet Anonymous

Usage statistics

stat Access count: 52
Last 30 days: 0
Detailed usage statistics