GAWRON, J. Detekce anomálií IDS systémy [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2023.

Posudky

Posudek vedoucího

Očenášek, Pavel

Vzhledem k nadprůměrnému přístupu studenta a realizaci prakticky využitelného projektu navrhuji hodnocení stupněm B.

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Informace k zadání Zadání bylo středně náročné a zahrnovalo implementaci systému pro analýzu provozu v systémech IDS/IPS. Zadání bylo splněno.
Práce s literaturou Student si literaturu vyhledával především samostatně, při práci s literaturou byl aktivní.
Aktivita během řešení, konzultace, komunikace Student byl při řešení přůměrně aktivní, konzultace byly relativně pravidelné. Na konzultacích byl student aktivní a vždy dobře připraven. 
Aktivita při dokončování Student dokončil praktickou část práce v dostatečném předstihu a  do textové části práce zapracoval všechny připomínky.
Publikační činnost, ocenění Práce je koncipována jako open-source řešení, které je prakticky využitelné.
Navrhovaná známka
B
Body
85

Posudek oponenta

Homoliak, Ivan

Práca je obtiažnejšieho zadania. Zadanie bolo splnené vo všetkých bodoch. Rozsah práce splňuje obvyklé požiadavky. Študent volil vhodnú literatúru obsahujúcu aj odborné a recenzované zdroje. Práca poskytuje realizačný výstup, ktorý je čiastočne využiteľný v praxi. Zadanie hodnotím stupňom A za predpokladu, že študent uspokojivo zodpovie otázky k obajobe.   Otázky k obhajobe: 1) porovnajte dosiahnuté výsledky s výsledkami odbornej literatúry, napr. aj spomenutej hore. Zamerajte sa na xgboost klasifikátor a jeho použitie na CIC-IDS 2018 datasete. 2) Ako by sa dala aplikovať leave-one-our X-validácia tak aby otestovala robustnosť Vášho multi-class klasifikátora? 3) Ako sa dá otestovať preučenie u vysoko neparametrických modelov ako ensembles?

Dílčí hodnocení
Kritérium Známka Body Slovní hodnocení
Náročnost zadání Zadanie bolo mierne obtiažnejšie vzhľadom na bakalársky študijný program, keďže pracuje so state-of-the-art metódami umelej inteligencie.
Rozsah splnění požadavků zadání Zadanie bolo splnené. Jediná vec, ktorú by som poznamenal je kvantitatívna analýza výkonnosti riešenia v zmysle množstva spracovaných tokov za jednotku času, čo však nebolo explicitnou súčasťou zadania.
Rozsah technické zprávy Podľa nástroja https://app.fit.vut.cz/normostrany má práca 65 normostrán vrátane obrázkov.
Prezentační úroveň technické zprávy 90 Práca je pre čitateľa pochopiteľná, jednotlivé kapitoly na seba logicky nadväzujú. Rozsahy a prehľadnosť väčšiny kapitol sú prípustné. Mám niekoľko ďalších poznámok. V úvode chýbajú odkazy na jednotlivé kapitoly. Kapitoly 2 a 3, ktoré sa zaoberajú existujúcimi metódami obsahuje len veľmi málo citácií. Termín trénovanie s dozorom sa nepoužíva - namiesto toho sa používa s učiteľom .
Formální úprava technické zprávy 85 Práca je typograficky na nadpriemernej úrovni. Práca obsahuje len malé gramatické chyby. Práca je napísaná v trpnom rode. Niektoré obrázky a tabuľky nie sú typograficky správne zarovnané. - napr. Obr. 2.1, 2.3, 5.1 alebo tabuľka 5.1. Chýbajú bodky v popiskoch mnohých obrázkov a tabuliek. Poznámky pod čiarou sú typograficky nesprávne. Niektoré citácie sú použité bez medzery (napr. strana 2, 11, 12). V literatúre preteká jeden link stranu.
Práce s literaturou 90 Práca obsahuje 29  referencií, z ktorých značná časť sú recenzované publikácie, čo hodnotím pozitívne. Zvolené študijné pramene sú relevantné a sú aj odlíšené od vlastných výsledkov. Rozsah práce s literatúrou je adekvátny bakalárskemu dielu. 
Realizační výstup 90 Práca má pekný realizačný výstup. Študent spravil nadštandardnú evaluáciu experimentami. Použil správne metriky kvality klasifikácie a dosiahnuté výsledky komentoval.  Študent tiež diskutuje možnosti ďalšieho rozvoja. Jedinú výhradu mám k použitie viacerých datasetov, ako napr. ASNM datasety.
Využitelnost výsledků Práca sa snaží zlepšiť dosiahnuté výsledky v literatúre pomocou optimalizácií vysoko neparametrických ensemblových modelov strojového učenia s učiteľom. Konkrétna aplikácia týchto modelov na CIC IDS-2018 nebola nikde v práci diskutovaná. Aj keď na prvý pohľad existujú práce, ktoré to robia. Napr. https://journalofbigdata.springeropen.com/articles/10.1186/s40537-020-00382-x (referencia [19]) alebo  Leevy, Joffrey L., and Taghi M. Khoshgoftaar. "A survey and analysis of intrusion detection models based on cse-cic-ids2018 big data." Journal of Big Data 7.1 (2020): 1-19.
Navrhovaná známka
A
Body
90

eVSKP id 148443