Detekce anomálií v průmyslových řídicích systémech na základě strojového učení

Simple item page
but.committeedoc. Ing. Karel Burda, CSc. (předseda) doc. Ing. Miloš Orgoň, Ph.D. (místopředseda) Ing. Jaromír Hrad, Ph.D. (člen) Ing. Tomáš Lieskovan (člen) Mgr. Jakub Vostoupal (člen) Ing. Ján Sláčik (člen)cs
but.defenceStudentka prezentovala výsledky své práce a komise byla seznámena s posudky. Studentka obhájila diplomovou práci a odpověděla na otázky členů komise a oponenta. Otázky oponenta: Jaké jsou dopady konvergence IT a OT ve vztahu k bezpečnosti? Student odpověděl na otázku. Jakým způsobem byla navržena finální podoba neuronové sítě? Student odpověděl na otázku. Student z obdržel od komise doplňující otázky. Student odpověděl na položené otázky.cs
but.jazykčeština (Czech)
but.programInformační bezpečnostcs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorPospíšil, Ondřejcs
dc.contributor.authorTsymbal, Katerynacs
dc.contributor.refereeHolasová, Evacs
dc.date.accessioned2023-06-08T06:56:20Z
dc.date.available2023-06-08T06:56:20Z
dc.date.created2023cs
dc.description.abstractHlavním cílem této diplomové práci je navržení systému detekce anomálií a narušení v průmyslových řídících systémech s pomocí strojového učení. Teoretická část práce poskytuje základní teoretický přehled o průmyslových řídicích systémech a jejich bezpečnosti. Dále jsou zmíněny poznatky o technikách detekce anomálií a možných výzvách v této oblasti. V poslední řadě byla v teoretické části provedena rešerše různých řešení detekce anomálií v průmyslových řídících systémech pomocí strojového učení. V praktické části jsou aplikovány algoritmy strojového učení na zvolenou datovou sadu HAI. Na závěr jsou shrnuty poznatky o vhodnosti užitých algoritmů a možnosti dalšího výzkumu. Účelem této diplomové práce je zvýšení bezpečnosti průmyslových řídicích systémů, a výsledky mohou sloužit jako podklad pro budoucí vývoj účinnějších metod detekce anomálií v této oblasti.cs
dc.description.abstractThe main goal of this thesis is to design a system for anomaly and intrusion detection in industrial control systems using machine learning. The theoretical part of the thesis provides a basic theoretical overview of industrial control systems and their security. Furthermore, knowledge about anomaly detection techniques and potential challenges in this area are discussed. Lastly, the theoretical part has reviewed various solutions for anomaly detection in industrial control systems using machine learning. In the practical part, machine learning algorithms are applied to the selected HAI dataset. Finally, the findings on the suitability of the used algorithms and the possibilities for further research are summarized. The purpose of this thesis is to improve the security of industrial control systems, and the results can serve as a basis for the future development of more effective methods for anomaly detection in this area.en
dc.description.markBcs
dc.identifier.citationTSYMBAL, K. Detekce anomálií v průmyslových řídicích systémech na základě strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.cs
dc.identifier.other151279cs
dc.identifier.urihttp://hdl.handle.net/11012/210106
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectAutomatizacecs
dc.subjectbezpečnostcs
dc.subjectbinární klasifikacecs
dc.subjectdatová sada HAIcs
dc.subjectdetekce anomáliícs
dc.subjectPLCcs
dc.subjectprocesní datacs
dc.subjectprůmyslové řídící systémycs
dc.subjectSCADAcs
dc.subjectstrojové učenícs
dc.subjectumělá inteligence.cs
dc.subjectAnomaly detectionen
dc.subjectartificial intelligenceen
dc.subjectautomationen
dc.subjectbinary classificationen
dc.subjectHAI dataseten
dc.subjectindustrial control systemsen
dc.subjectmachine learningen
dc.subjectPLCen
dc.subjectprocess dataen
dc.subjectSCADAen
dc.subjectsecurity.en
dc.titleDetekce anomálií v průmyslových řídicích systémech na základě strojového učenícs
dc.title.alternativeMachine Learning-based Anomaly Detection in Industrial Control Systemsen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-07cs
dcterms.modified2023-06-07-15:33:30cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid151279en
sync.item.dbtypeZPen
sync.item.insts2023.06.08 08:56:20en
sync.item.modts2023.06.08 08:13:20en
thesis.disciplinebez specializacecs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
11.67 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
6.48 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_151279.html
Size:
6.03 KB
Format:
Hypertext Markup Language
Description:
review_151279.html
Download
Collections
2023