but.committee	doc. Dr. Ing. Petr Hanáček (předseda) doc. Ing. Peter Chudý, Ph.D., MBA (místopředseda) Ing. Lukáš Kekely, Ph.D. (člen) Ing. Josef Strnadel, Ph.D. (člen) Mgr. Roman Trchalík, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm uspokojivě (D) . Otázky u obhajoby: Mohou být podobnosti skupin odhalených v práci čistě náhodné? Jak a které parametry algoritmu změnit, abychom získali nižší pravděpodobnost náhodných podobností?	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Wrona, Jan	cs
dc.contributor.author	Dobeš, Erik	cs
dc.contributor.referee	Žádník, Martin	cs
dc.date.created	2019	cs
dc.description.abstract	Cílem této práce je nalézt v síťových bezpečnostních hlášeních skupiny IP adres, které byly detekovány ve stejných či velmi podobných, časových úsecích. Práce představuje algoritmus, jenž data z bezpečnostních hlášení převede do časových řad. Mezi jednotlivými časovými řadami se následně vyhledávají podobné dvojice vektorů. Poté, uspěje-li algoritmus při hledání dvojic, se v nalezených dvojicích hledají podobné trojice, v nich pak podobné čtveřice atd. Vytvořené řešení úspěšně nalezlo v množině analyzovaných dat 208 podobných skupin, přičemž největší z nich obsahují 11 podobných IP adres. Na základě zjištěných údajů je možné v síťových bezpečnostních hlášeních odhalit stroje, které jsou součástí tzv. botnetu.	cs
dc.description.abstract	The goal of this work is to find groups of IP addresses in network security reports, which were detected in the same, or very similar, time interval. The work introduces an algorithm, which transforms data from security reports into time series. Between all the time series, similar pairs are searched. Subsequently, in the found pairs, we are looking for similar threesomes, in which we try to find similar foursomes, etc. The created solution successfully found 208 similar groups in the set of analyzed data, the largest of which contains 11 similar IP addresses. Based on the data found it is possible to detect machines that are part of the so-called botnet in network security reports.	en
dc.description.mark	D	cs
dc.identifier.citation	DOBEŠ, E. Analýza síťových bezpečnostních hlášení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2019.	cs
dc.identifier.other	121924	cs
dc.identifier.uri	http://hdl.handle.net/11012/180584
dc.language.iso	cs	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	analýza	cs
dc.subject	sítě	cs
dc.subject	bezpečnostní hlášení	cs
dc.subject	korelace	cs
dc.subject	vzdálenost vektorů	cs
dc.subject	Hammingova vzdálenost	cs
dc.subject	časové řady	cs
dc.subject	Warden	cs
dc.subject	analysis	en
dc.subject	network	en
dc.subject	security report	en
dc.subject	correlation	en
dc.subject	vector distance	en
dc.subject	Hamming distance	en
dc.subject	time series	en
dc.subject	Warden	en
dc.title	Analýza síťových bezpečnostních hlášení	cs
dc.title.alternative	Analysis of Network Security Alerts	en
dc.type	Text	cs
dc.type.driver	bachelorThesis	en
dc.type.evskp	bakalářská práce	cs
dcterms.dateAccepted	2019-06-11	cs
dcterms.modified	2020-05-10-16:13:32	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	121924	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.18 19:26:51	en
sync.item.modts	2025.01.15 16:19:08	en
thesis.discipline	Informační technologie	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů	cs
thesis.level	Bakalářský	cs
thesis.name	Bc.	cs

Analýza síťových bezpečnostních hlášení

Files

Original bundle

Collections