Identifikace typu zařízení na základě síťových toků

Abstract

Táto bakalárska práca sa zaoberá identifikáciou typu zariadení na základe analýzy sieťových tokov. Cieľom práce je na základe analýzy navrhnúť, implementovať a otestovať model na vybranom datasete. Bol navrhnutý a implementovaný dvojstupňový model supervidovaného učenia s využitím knižnice scikit-learn. V prvom stupni klasifikácie bol použitý algoritmus Naive Bayes, pričom v druhom stupni bola realizovaná výsledná klasifikácia pomocou algoritmu Random Forest. Model využíval atribúty, ktoré boli podľa predchádzajúcich štúdií a analýzy dôležité pre identifikáciu zariadení. Navrhnutý model bol otestovaný na datasete UNSW Data Traces a dosiahol veľmi vysoké výsledky, ktoré prekonali výsledky iných publikovaných prác. Pri najlepšom modeli bola dosiahnutá presnosť predikcie 99,87\% naprieč tredami.

This bachelor's thesis deals with device type identification based on the analysis of network traffic flows. The main goal of this work is to design, implement, and evaluate a supervised machine learning model on a selected dataset. A two-stage supervised learning model was designed and implemented using the scikit-learn library. The first stage of classification was performed using the Naive Bayes algorithm, and the second stage used the Random Forest algorithm for final classification. The model utilized attributes identified as important by previous studies as well as from analysis. It was tested on the UNSW Data Traces dataset and achieved exceptionally high performance, surpassing results reported by other studies. The best-performing model reached a prediction accuracy of 99.87\%.