Detekce útoku SlowDrop

Simple item page
but.committeeprof. Ing. Jaroslav Koton, Ph.D. (předseda) doc. Ing. Lukáš Malina, Ph.D. (místopředseda) Ing. Jan Skapa, Ph.D. (člen) Ing. Radomír Svoboda, Ph.D. (člen) Ing. Vlastimil Člupek, Ph.D. (člen) Ing. David Smékal (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta. Proč nebyla v rámci surikaty vyzkoušena detekce anomálií v kombinaci s detekcí signatur? Proč nebyly použity jiné typy neuronových sítí nebo nebyla provedena změna struktury, když použitá síť nedosahovalo potřebných detekčních schopností? V rámci neuronové sítě, neuvažoval jste spíše o ořezání paketů na stejnou délku, než jejich doplnění, které vytváří vzory a tím i ovlivňuje výslednou detekci útoku? Jaký čas trvalo učení neuronové sítě? Nedocházelo k přeučení NS? Proč nebyl použit jiný programovací jazyk oproti Phytonu?cs
but.jazykslovenština (Slovak)
but.programInformační bezpečnostcs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorSikora, Mareksk
dc.contributor.authorNáčin, Petersk
dc.contributor.refereeBlažek, Petrsk
dc.date.created2021cs
dc.description.abstractDiplomová práca je zameraná na detekciu slow DoS útoku pomenovaného SlowDrop. Útok sa snaží napodobniť legitimného užívateľa s pomalým internetovým pripojením a nevykazuje žiadnu výraznú signatúru, preto je útok náročné detekovať. Diplomová práca vychádza z práce Ing. Mazánka, v ktorej bol vytvorený skript SlowDrop útoku. V teoretickej rovine je popísaná problematika DoS útokov vo všeobecnosti, ale aj konkrétne. Ďalej sú v práci navrhnuté metódy riešenia problematiky detekcie SlowDrop útoku. Metódy sú následne detailne opísané a odskúšané v simulačnom prostredí. Praktická časť opisuje analýzu dát, detekciu pomocou signatúr, detekciu anomálií pomocou neurónových sietí a detekčný skript. Vo všetkých praktických častiach sú detailne popísané použité technológie a postupy riešení. Takisto je uvedená konkrétna implementácia riešenia a dosiahnuté výsledky. Na záver sú jednotlivé výsledky zhodnotené, porovnávané jednotlivo, ale aj medzi sebou. Zo získaných výsledkov vyplýva, že útok je detekovateľný pomocou neurónovej siete a vytvoreného detekčného skriptu.sk
dc.description.abstractThe diploma thesis is focused on the detection of a slow DoS attack named SlowDrop. The attack tries to imitate a legitimate person with a slow internet connection and does not show a new strong signature, so the attack is difficult to detect. The diploma thesis is based on the work of Ing. Mazanek in which the SlowDrop attack script was created. At the theoretical level, the issue of DoS attacks is described in general, but also in particular. Furthermore, the work develops methods for solving the problem of SlowDrop attack detection. The methods are then defined in detail and tested in a simulation environment. The practical part describes data analysis, signature detection, anomaly detection using neural networks and a detection script. In all practical parts, the used technologies and solution procedures are described in detail. The specific implementation of the solution and the achieved results are also presented. Finally, the individual results are evaluated, compared individually, but also among themselves. The obtained results show that the attack is detectable using a neural network and by created detection script.en
dc.description.markBcs
dc.identifier.citationNÁČIN, P. Detekce útoku SlowDrop [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2021.cs
dc.identifier.other133555cs
dc.identifier.urihttp://hdl.handle.net/11012/196912
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.subjectdetekcia anomáliísk
dc.subjectDDoSsk
dc.subjectDoSsk
dc.subjectIDSsk
dc.subjectneurónová sieťsk
dc.subjectSDAsk
dc.subjectsignatúrysk
dc.subjectSlowDrop útoksk
dc.subjectskriptsk
dc.subjectanomaly detectionen
dc.subjectDDoSen
dc.subjectDoSen
dc.subjectIDSen
dc.subjectneural networken
dc.subjectscripten
dc.subjectSDAen
dc.subjectsignaturesen
dc.subjectSlowDrop attacken
dc.titleDetekce útoku SlowDropsk
dc.title.alternativeSlowDrop attack detectionen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2021-06-08cs
dcterms.modified2024-05-17-12:50:39cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid133555en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:26:43en
sync.item.modts2025.01.15 18:56:39en
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:
3.41 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
10.97 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_133555.html
Size:
6.19 KB
Format:
Hypertext Markup Language
Description:
file review_133555.html
Download
Collections
2021