Detekce anomálií a klasifikace událostí ze signálu optického senzoru pomocí umělé inteligence

Abstract

Tato práce v teoretické části pojednává o optických sítích, optických vláknech, jejich standardech a možných útocích na optická vlákna. Dále je obsažen úvod do strojového učení, včetně přehledu umělých neuronových sítí, jejich učení a práce s datovými sadami. V praktické části je popsáno vlastní měření datové sady, kdy bylo v experimentálním prostředí fyzicky působeno na optické vlákno. Následně jsou popsány implementované metody pro zpracování a vizualizaci naměřených dat. Součástí řešení je také využití metod umělé inteligence, konkrétně učení bez učitele pro detekci anomálií a učení s učitelem pro klasifikaci událostí.

This thesis discusses optical networks, optical fibers, their standards, and possible attacks on optical fibers. It also includes an introduction to machine learning, providing an overview of artificial neural networks, their training, and working with datasets. The practical part describes the process of collecting a custom dataset, where physical interference was applied to an optical fiber in an experimental environment. Subsequently, the implemented methods for processing and visualisation of the measured data are presented. The solution also incorporates artificial intelligence techniques, specifically unsupervised learning for anomaly detection and supervised learning for event classification.