Інтелектуальний додаток для ідентифікації аномалій мережевого трафіку

Скорочена інформація про документ
dc.contributor.advisorБатрак, Євгеній Олександрович
dc.contributor.authorПозднякова, Олена Юріївна
dc.date.accessioned2020-08-14T15:27:19Z
dc.date.available2020-08-14T15:27:19Z
dc.date.issued2020-07-14
dc.description.abstractenThe work examined the problem of identifying network anomalies, showing the main features of existing solutions in this field, their advantages and disadvantages. Several modern technologies for implementation were considered and the most appropriate for the requirements of a fast, safe and understandable application were selected. An intelligent application has been developed that determines normal network traffic and certain types of anomalies. This application is for people who work with data and network security and monitor common cyber security breaches. The application was developed in MATLAB using the Neural Network Toolbox. The NetFlow protocol was used to train the neural network; training data was freely provided by the administration of the KDD Cup ’99. Also, to implement the application, it was decided to use the MLP architecture. To use the application, the user needs to have a PC with a clock frequency of at least 1100 MHz. The explanatory note contains 55 pages, 16 illustrations, 5 tables, 4 applications.uk
dc.description.abstractukУ роботі розглянуто проблему ідентифікації мережевих аномалій, показані основні особливості існуючих рішень в цій сфері, їх переваги та недоліки. Було розглянуто кілька сучасних технологій для реалізації та обрано найвідповідніші до вимог швидкого, безпечного та зрозумілого додатку. Розроблено інтелектуальний додаток, який визначає нормальний мережевий трафік та аномалії певних типів. Цей додаток для людей, які працюють із безпекою даних та мереж, та відстежують загальні порушення кібербезпеки. Додаток був розроблений у середовищі MATLAB, з використанням бібліотеки Neural Network Toolbox. Для навчання нейронної мережі був використаний протокол NetFlow, дані для навчання - вільно надані адміністрацією KDD Cup ’99. Також, для реалізації додатку було вирішено використовувати MLP-архітектуру. Щоб користуватися додатком, користувачу необхідно мати ПК із тактовою частотою не менш 1100 МГц. Розмір пояснювальної записки – 55 аркушів, містить 16 ілюстрацій, 5 таблиць, 4 додатка.uk
dc.format.page60 с.uk
dc.identifier.citationПозднякова, О. Ю. Інтелектуальний додаток для ідентифікації аномалій мережевого трафіку : дипломний проєкт ... бакалавра : 121 Інженерія програмного забезпечення / Позднякова Олена Юріївна. – Київ, 2020. – 60 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/35617
dc.language.isoukuk
dc.publisherКПІ ім.Ігоря Cікорськогоuk
dc.publisher.placeКиївuk
dc.subjectNetFlowuk
dc.subjectнейронна мережаuk
dc.subjectкібербезпекаuk
dc.subjectкіберпорушенняuk
dc.subjectMATLABuk
dc.subjectneural networkuk
dc.subjectcybersecurityuk
dc.subjectcyber violationuk
dc.titleІнтелектуальний додаток для ідентифікації аномалій мережевого трафікуuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Pozdniakova_bakalavr.pdf
Розмір:
3.98 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.06 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (КТК)
Бакалаврські роботи