but.committee	doc. Dr. Ing. Petr Hanáček (předseda) doc. Ing. František Zbořil, Ph.D. (místopředseda) doc. Ing. Vladimír Drábek, CSc. (člen) Ing. Matěj Grégr, Ph.D. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) RNDr. Marek Rychlý, Ph.D. (člen)	cs
but.defence	Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " A ". Otázky u obhajoby: Mohl byste shrnout, které typy testovaných anomálií (útoků) je možné odhalit pomocí pravděpodobnostních automatů a pro které je nutné využít statistickou analýzu? Uveďte výhody či omezení těchto přístupů. Jak by vypadala detekce anomálií v případě, že místo pravděpodobnostního modelu vytvoříme pouze frekvenční prefixový strom? Zhodnoťte fázi učení a detekce z pohledu rychlosti a přesnosti při odhalování anomálií.	cs
but.jazyk	čeština (Czech)
but.program	Informační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Holík, Lukáš	cs
dc.contributor.author	Hošták, Viliam Samuel	cs
dc.contributor.referee	Matoušek, Petr	cs
dc.date.accessioned	2021-08-30T21:57:00Z
dc.date.available	2021-08-30T21:57:00Z
dc.date.created	2021	cs
dc.description.abstract	Táto práca sa zaoberá rýchlou detekciou sieťových anomálií na základe učenia automatov. Popisuje a porovnáva niekoľko vybraných algoritmov učenia automatov, vrátane ich aplikácie na učenie sieťových charakteristík. Pre takto naučené automaty je navrhnutých niekoľko metód detekcie sieťových anomálií, ktoré umožňujú odhaliť tak sekvenčné, ako aj štatistické anomálie v rámci komunikácie. Za týmto účelom využívajú mechanizmy samotných automatov, ich transformáciu, či štatistickú analýzu. Navrhované metódy detekcie boli implementované a vyhodnotené na prevádzke protokolu IEC 60870-5-104 používaného v industriálnych kontrolných systémoch.	cs
dc.description.abstract	The focus of this thesis is the fast network anomaly detection based on automata learning. It describes and compares several chosen automata learning algorithms including their adaptation for the learning of network characteristics. In this work, various network anomaly detection methods based on learned automata are proposed which can detect sequential as well as statistical anomalies in target communication. For this purpose, they utilize automata's mechanisms, their transformations, and statistical analysis. Proposed detection methods were implemented and evaluated using network traffic of the protocol IEC 60870-5-104 which is commonly used in industrial control systems.	en
dc.description.mark	A	cs
dc.identifier.citation	HOŠTÁK, V. Učení se automatů pro rychlou detekci anomálií v síťovém provozu [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.	cs
dc.identifier.other	137633	cs
dc.identifier.uri	http://hdl.handle.net/11012/201272
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	učenie automatov	cs
dc.subject	konečné automaty	cs
dc.subject	symbolické automaty	cs
dc.subject	pravdepodobnostné automaty	cs
dc.subject	detekcia sieťových anomálií	cs
dc.subject	analýza sieťovej prevádzky	cs
dc.subject	učenie sieťových charakteristík	cs
dc.subject	IEC 60870-5-104	cs
dc.subject	automata learning	en
dc.subject	finite automata	en
dc.subject	symbolic automata	en
dc.subject	probabilistic automata	en
dc.subject	network anomaly detection	en
dc.subject	network traffic analysis	en
dc.subject	network characteristics learning	en
dc.subject	IEC 60870-5-104	en
dc.title	Učení se automatů pro rychlou detekci anomálií v síťovém provozu	cs
dc.title.alternative	Automata Learning for Fast Detection of Anomalies in Network Traffic	en
dc.type	Text	cs
dc.type.driver	masterThesis	en
dc.type.evskp	diplomová práce	cs
dcterms.dateAccepted	2021-08-27	cs
dcterms.modified	2021-08-27-15:50:04	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	137633	en
sync.item.dbtype	ZP	en
sync.item.insts	2021.11.23 00:11:02	en
sync.item.modts	2021.11.22 23:37:19	en
thesis.discipline	Matematické metody v informačních technologiích	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémů	cs
thesis.level	Inženýrský	cs
thesis.name	Ing.	cs

Učení se automatů pro rychlou detekci anomálií v síťovém provozu

Files

Original bundle

Collections