but.jazyk	angličtina (English)
but.program	Výpočetní technika a informatika	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Hanáček, Petr	en
dc.contributor.author	Homoliak, Ivan	en
dc.contributor.referee	Čeleda, Pavel	en
dc.contributor.referee	Ochoa,, Martín	en
dc.date.accessioned	2021-11-22T23:18:27Z
dc.date.available	2021-11-22T23:18:27Z
dc.date.created		cs
dc.description.abstract	Tato práce se zabývá problematikou anomální detekce síťových útoků s využitím technik strojového učení. Nejdříve jsou prezentovány state-of-the-art datové kolekce určené pro ověření funkčnosti systémů detekce útoků a také práce, které používají statistickou analýzu a techniky strojového učení pro nalezení síťových útoků. V další části práce je prezentován návrh vlastní kolekce metrik nazývaných Advanced Security Network Metrics (ASNM), který je součástí konceptuálního automatického systému pro detekci průniků (AIPS). Dále jsou navrženy a diskutovány dva různé přístupy k obfuskaci - tunelování a modifikace síťových charakteristik - sloužících pro úpravu provádění útoků. Experimenty ukazují, že použité obfuskace jsou schopny předejít odhalení útoků pomocí klasifikátoru využívajícího metriky ASNM. Na druhé straně zahrnutí těchto obfuskací do trénovacího procesu klasifikátoru může zlepšit jeho detekční schopnosti. Práce také prezentuje alternativní pohled na obfuskační techniky modifikující síťové charakteristiky a demonstruje jejich použití jako aproximaci síťového normalizéru založenou na vhodných trénovacích datech.	en
dc.description.abstract	The thesis deals with anomaly based network intrusion detection which utilize machine learning approaches. First, state-of-the-art datasets intended for evaluation of intrusion detection systems are described as well as the related works employing statistical analysis and machine learning techniques for network intrusion detection. In the next part, original feature set, Advanced Security Network Metrics (ASNM) is presented, which is part of conceptual automated network intrusion detection system, AIPS. Then, tunneling obfuscation techniques as well as non-payload-based ones are proposed to apply as modifications of network attack execution. Experiments reveal that utilized obfuscations are able to avoid attack detection by supervised classifier using ASNM features, and their utilization can strengthen the detection performance of the classifier by including them into the training process of the classifier. The work also presents an alternative view on the non-payload-based obfuscation techniques, and demonstrates how they may be employed as a training data driven approximation of network traffic normalizer.	cs
dc.description.mark	P	cs
dc.identifier.citation	HOMOLIAK, I. Detekce Útoků v Síťovém Provozu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. .	cs
dc.identifier.other	99837	cs
dc.identifier.uri	http://hdl.handle.net/11012/63234
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	Network behavioral anomaly detection	cs
dc.subject	buffer overflow attacks	cs
dc.subject	tunneling obfuscations	cs
dc.subject	non-payload-based obfuscations	cs
dc.subject	supervised machine learning	cs
dc.subject	Behaviorální analýza síťových anomálií	en
dc.subject	buffer overflow útoky	en
dc.subject	tunelovací obfuskace	en
dc.subject	obfuskace modifikující síťové charakteristiky	en
dc.subject	strojové učení s učitelem	en
dc.title	Detekce Útoků v Síťovém Provozu	en
dc.title.alternative	Intrusion Detection in Network Traffic	cs
dc.type	Text	cs
dc.type.driver	doctoralThesis	en
dc.type.evskp	dizertační práce	cs
dcterms.modified	2020-05-10-17:46:46	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	99837	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.23 00:18:27	en
sync.item.modts	2021.11.22 23:12:39	en
thesis.discipline	Výpočetní technika a informatika	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Doktorský	cs
thesis.name	Ph.D.	cs

Detekce Útoků v Síťovém Provozu

Files

Original bundle

Collections