Detekce anomálií a útoků v audit logu pomocí umělé inteligence

Simple item page
but.committeedoc. Ing. Radim Burget, Ph.D. (předseda) doc. Ing. Leoš Boháč, Ph.D. (místopředseda) Ing. Jorge Truffin (člen) doc. Ing. Lukáš Malina, Ph.D. (člen) JUDr. Pavel Loutocký, BA (Hons), Ph.D. (člen) Ing. Marek Sikora (člen)cs
but.defenceStudent prezentoval výsledky své práce a komise byla seznámena s posudky. Otázka oponenta: Bylo součástí vývoje metody založené na autoenkodéru také testování úprav v architektuře této sítě? Měly případné úpravy vliv na dosaženou přesnost detekce? Student obhájil diplomovou práci a odpověděl na otázky členů komise a oponenta.cs
but.jazykangličtina (English)
but.programInformační bezpečnostcs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorTomašov, Adriánen
dc.contributor.authorLudes, Adamen
dc.contributor.refereeJežek, Štěpánen
dc.date.created2023cs
dc.description.abstractTato práce představuje softwarové architektury založené na cloudu, techniky detekce anomálií, strojové učení a analýzu dat za účelem vytvoření modelu pro detekci anomálií v audit lozích z Red Hat OpenShift Container Platform. Jsou představeny statistické metody a analýza časových řad pro detekci anomálií, zatímco jsou implementovány a hodnoceny modely strojového učení a techniky předzpracování dat. Výsledky ukazují omezení tradičních modelů při zpracování anomálií v hluboce vnořených datech, zatímco model zpracovávající přirozený jazyk prokazuje robustní výkon. Tato práce poskytuje cenné poznatky a může být použita jako reference pro výzkum i praxi v oblasti softwarových architektur založených na cloudu, detekce anomálií, strojového učení a analýzy dat.en
dc.description.abstractThe thesis explores cloud-native architecture, anomaly detection techniques, machine learning, and data analysis to develop an anomaly detection model for audit logs from the Red Hat OpenShift Container Platform. Statistical methods and time series analysis for anomaly detection are introduced, while machine learning models and preprocessing techniques are implemented and evaluated. The results demonstrate limitations in traditional models for handling anomalies in deeply nested data, while the NLP model shows robust performance. This research provides valuable insights and is a reference for researchers and practitioners in cloud-native architecture, anomaly detection, machine learning, and data analysis.cs
dc.description.markAcs
dc.identifier.citationLUDES, A. Detekce anomálií a útoků v audit logu pomocí umělé inteligence [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.cs
dc.identifier.other151256cs
dc.identifier.urihttp://hdl.handle.net/11012/210087
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectAnalýza daten
dc.subjectCloud-nativeen
dc.subjectDetekce anomáliíen
dc.subjectKubernetesen
dc.subjectOpenShiften
dc.subjectStrojové učeníen
dc.subjectAnomaly Detectioncs
dc.subjectCloud-nativecs
dc.subjectData Analysiscs
dc.subjectKubernetescs
dc.subjectMachine Learningcs
dc.subjectOpenShiftcs
dc.titleDetekce anomálií a útoků v audit logu pomocí umělé inteligenceen
dc.title.alternativeAnomaly and threat detection in audit logs using machine learningcs
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2023-06-07cs
dcterms.modified2023-06-08-12:04:55cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid151256en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 14:33:59en
sync.item.modts2025.01.15 19:11:14en
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:
11.6 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
3.65 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_151256.html
Size:
3.66 KB
Format:
Hypertext Markup Language
Description:
file review_151256.html
Download
Collections
2023