Aplikování technik hlubokého učení na detekci anomálií v počítačových sítích pomocí grafické reprezentace provozu

Simple item page
but.committeeprof. Ing. Miroslav Vozňák, Ph.D. (předseda) doc. Ing. Petr Münster, Ph.D. (místopředseda) Ing. Rudolf Vohnout, Ph.D. (člen) doc. Ing. Václav Oujezský, Ph.D. (člen) Ing. Anna Kubánková, Ph.D. (člen) Ing. Marek Sikora (člen) Ing. Petr Jedlička (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Otázky oponenta a komise: 1) Útok SQL-Injection se dle matice záměn nepovedlo ani jednou správně klasifikovat a byl modely milně pokládán za neškodnou komunikaci. Čím je to nejspíše zaviněno? 2) Jaké přibližné množství provozu by bylo možné zpracovat pomocí realizovaného řešení a použitého hardwaru? Dalo by se řešení škálovat pro použití v rozsáhlé síťové infrastruktuře? 3) Jakým způsobem byl provoz převeden na obrázky? Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta.cs
but.jazykslovenština (Slovak)
but.programInformační bezpečnostcs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorSafonov, Yehorsk
dc.contributor.authorŽidovský, Patriksk
dc.contributor.refereeMikulec, Mareksk
dc.date.created2022cs
dc.description.abstractTáto diplomová práca sa zaoberá aplikáciou techník hlbokého učenia na detekciu anomálií v počítačových sieťach. Výberom vhodných vlastností komunikačnej siete bola vytvorená grafická reprezentácia sieťovej prevádzky za účelom trénovanie konvolučných neurónových sietí. Prvý natrénovaný model bol použitý v zariadení Raspberry Pi s hardvérovým akcelerátorom Neural Compute Stick. Druhý model bol umiestnený v centrále pre dodatočnú kontrolu výsledkov. Cieľom práce bolo navrhnúť a implementovať automatizovaný systém detekcie anomálií, ktorý bude otestovaný tromi zvolenými kybernetickými útokmi. Vyhodnotiť získané výsledky a navrhnúť možnosti optimalizácie.sk
dc.description.abstractThis thesis deals with the application of deep learning techniques for anomaly detection in computer networks. By selecting appropriate features of the communication network, a graphical representation of the network traffic has been created in order to train convolutional neural networks. The first trained model was used in a Raspberry Pi device with a Neural Compute Stick hardware accelerator. The second model was placed in a central location for additional control of the results. The aim of this work was to design and implement an automated anomaly detection system to be tested by three selected cyber attacks. Evaluate the results obtained and propose optimization options.en
dc.description.markAcs
dc.identifier.citationŽIDOVSKÝ, P. Aplikování technik hlubokého učení na detekci anomálií v počítačových sítích pomocí grafické reprezentace provozu [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2022.cs
dc.identifier.other141400cs
dc.identifier.urihttp://hdl.handle.net/11012/204757
dc.language.isoskcs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectanalýzask
dc.subjectdetekcia anomáliísk
dc.subjectkybernetické útokysk
dc.subjectraspberry pisk
dc.subjectsieťová komunikáciesk
dc.subjectumelá neurónová sieťsk
dc.subjectvizualizáciask
dc.subjectanalysisen
dc.subjectanomaly detectionen
dc.subjectcyber attacksen
dc.subjectraspberry pien
dc.subjectnetwork communicationen
dc.subjectartificial neural networken
dc.subjectvisualizationen
dc.titleAplikování technik hlubokého učení na detekci anomálií v počítačových sítích pomocí grafické reprezentace provozusk
dc.title.alternativeApplication of deep learning techniques for anomaly detection in computer networks using graphical representation of network trafficen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2022-06-07cs
dcterms.modified2024-05-17-12:54:18cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid141400en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:29:43en
sync.item.modts2025.01.15 22:07:27en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
5.65 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
229.35 KB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_141400.html
Size:
9.24 KB
Format:
Hypertext Markup Language
Description:
file review_141400.html
Download
Collections
2022