Využití federativního učení v oblasti bezpečnosti na OS Android

but.committeedoc. Ing. Karel Burda, CSc. (předseda) Ing. Anna Kubánková, Ph.D. (člen) Andrej Krištofík (člen) Ing. Ľuboš Nagy, Ph.D. (člen) Ing. Ivo Strašil (člen) doc. Ing. Petr Münster, Ph.D. (místopředseda) Ing. David Kohout (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Student obhájil bakalářskou práci a odpověděl na otázky členů komise a oponenta. Otázky: 1.Jakým způsobem probíhá normalizace numerických typů extrahovaných příznaků před jejich vstupem do neuronové sítě? 2. Z matice záměn vyplývá, že byla přibližně třetina phisingových mailů chybně označena za bezpečné. Považujete přesnost za dostatečnou a jaké kroky navrhuje pro minimalizaci této chybovosti? 3. Byly provedeny experimenty s cílem zjištění, jaký vliv bude mít komplexnost architektury modelu na výslednou přesnost?cs
but.jazykslovenština (Slovak)
but.programInformační bezpečnostcs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorMichálek, Jakubsk
dc.contributor.authorSzüč, Martinsk
dc.contributor.refereeMyška, Vojtěchsk
dc.date.created2024cs
dc.description.abstractTáto práca skúma využitie federovaného učenia v kontexte kybernetickej bezpečnosti, konkrétne pri detekcii phishing útokov prostredníctvom e-mailu v rámci operačného systému Android. V teoretickej časti sa práca zaoberá konceptmi federovaného učenia, strojového učenia a rôznymi technikami phishingu. V praktickej časti bolo hlavným cieľom navrhnúť a implementovať mobilnú aplikáciu, ktorá využíva federované učenie na trénovanie modelov strojového učenia. Táto aplikácia má byť navrhnutá na detekciu phishing e-mailov, pričom zabezpečuje, že obsah e-mailových správ nie je odosielaný na centrálny server, čím sa chránia citlivé údaje používateľov. Práca zahŕňa návrh architektúry aplikácie, integráciu Python modulov, spracovanie a klasifikáciu e-mailov a implementáciu federovaného učenia. Výsledky testovania aplikácie demonštrujú efektívnosť navrhnutého riešenia v detekcii phishing útokov, pričom zároveň zdôrazňujú výhody ochrany súkromia prostredníctvom federovaného učenia.sk
dc.description.abstractThis thesis explores the use of federated learning in the context of cybersecurity, specifically in detecting phishing attacks via email on the Android operating system. The~theoretical part of the thesis deals with concepts of federated learning, machine learning, and various phishing techniques. The main goal of the practical part is to design and implement a mobile application that uses federated learning to train machine learning models. This application is designed to detect phishing emails while ensuring that the content of the emails is not sent to a central server, thereby protecting users' sensitive data. The~thesis includes the design of the application architecture, integration of Python modules, processing and classification of emails, and implementation of federated learning. The results of the application testing demonstrate the effectiveness of the proposed solution in detecting phishing attacks while also highlighting the privacy benefits provided by federated learning.en
dc.description.markAcs
dc.identifier.citationSZÜČ, M. Využití federativního učení v oblasti bezpečnosti na OS Android [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2024.cs
dc.identifier.other159197cs
dc.identifier.urihttp://hdl.handle.net/11012/246498
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.subjectAndroidsk
dc.subjectE-mailsk
dc.subjectFederatívne učeniesk
dc.subjectKotlinsk
dc.subjectKybernetická bezpečnosťsk
dc.subjectPhishingsk
dc.subjectPythonsk
dc.subjectStrojové učeniesk
dc.subjectAndroiden
dc.subjectE-mailen
dc.subjectFederated Learningen
dc.subjectKotlinen
dc.subjectCybersecurityen
dc.subjectPhishingen
dc.subjectPythonen
dc.subjectMachine Learningen
dc.titleVyužití federativního učení v oblasti bezpečnosti na OS Androidsk
dc.title.alternativeThe use of federated learning in the field of security on Android OSen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2024-06-10cs
dcterms.modified2024-06-12-10:23:15cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid159197en
sync.item.dbtypeZPen
sync.item.insts2025.03.17 17:18:29en
sync.item.modts2025.01.17 14:44:30en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelBakalářskýcs
thesis.nameBc.cs

Files

Original bundle

Now showing 1 - 3 of 3
Loading...
Thumbnail Image
Name:
final-thesis.pdf
Size:
7.81 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Loading...
Thumbnail Image
Name:
appendix-1.zip
Size:
10.44 MB
Format:
Unknown data format
Description:
file appendix-1.zip
Loading...
Thumbnail Image
Name:
review_159197.html
Size:
5.4 KB
Format:
Hypertext Markup Language
Description:
file review_159197.html

Collections