Detekce anomálií v síťovém provozu datového centra

Loading...
Thumbnail Image

Date

Authors

Korzhasbayeva, Leila

Mark

D

Journal Title

Journal ISSN

Volume Title

Publisher

Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií

ORCID

Abstract

Ve velkých společnostech existuje spousta kriticky důležitých strojů pracujících bez přestávky každý den. Jednoduché Log Management řešení není vždy dostatečné k zachycení všech dat, která tečou produkčním prostředí. Ani bezpečnostní analytik není vždy schopen sledovat každý zdroj v prostředí, chytat změny v běžném provozu. Zde je bod, kde nám stroj může pomoci. Detekce anomálií v prostředí je hlavním cílem tohoto projektu. Existuje několik řešení prezentovaných a testovaných na datech ze serverů v reálném prostředí definované společnosti. Některé false positives stále se mohou objevovat, ale je to dobrá příležitost k vyřešení v budoucím výzkumu.
In large companies there are a lot of~business critical machines working without a pause every day. A~simple Log Management solution is not always enough to catch all the data passing by. And Security Analyst is not able to watch every log source for any changes in normal traffic. Here is the point when machine can help us. Anomaly detection in the environment is main goal of this project. There are few solutions presented and tested on a data from servers in real environment of a company. There are still might be some false positives, but it is a good opportunity to solve in a future research.

Description

Citation

KORZHASBAYEVA, L. Detekce anomálií v síťovém provozu datového centra [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2019.

Document type

Document version

Date of access to the full text

Language of document

en

Study field

Informační bezpečnost

Comittee

doc. Ing. Karel Burda, CSc. (předseda) doc. Ing. Radim Burget, Ph.D. (místopředseda) Ing. Pavel Záviška, Ph.D. (člen) Ing. David Smékal (člen) doc. Ing. Petr Münster, Ph.D. (člen) JUDr. Pavel Loutocký, BA (Hons), Ph.D. (člen)

Date of acceptance

2019-08-29

Defence

Studentka prezentovala výsledky své práce a komise byla seznámena s posudky. Studentka obhájila bakalářskou práci s výhradami a odpověděla na otázky členů komise a oponenta. U algoritmu SVM ve výsledcích píšete, že dokázal detekovat 80 % útoků, byly u testovacího datasetu označeny anomálie? Pokud ne, jak jste spočítala tento výsledek? Bylo by možné ukládat mezivýsledky trénování neuronové sítě a následně znovu spustit trénování od určitého mezivýsledku a tím obejít časový limit běhu Kaggle notebooku?

Result of defence

práce byla úspěšně obhájena

DOI

Collections

Endorsement

Review

Supplemented By

Referenced By

Citace PRO