Методи глибинного навчання для конструювання ознакового простору та кластеризації кібератак
Вантажиться...
Дата
2021
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
У цьому дослідженні було проведено загальний огляд методів кластеризації,
особливо приділяючи увагу методу вбудованої глибокої кластеризації (DEC) та
методу к-середніх (k-means clustering). Для методу DEC визначено
параметризоване нелінійне відображення з простору даних Х в більш
низькорозмірний простір ознак Z, де оптимізовано мету кластеризації. В даній
роботі використовується стохастичний градієнтний спуск (SGD) шляхом
зворотнього розповсюдження на об’єкті кластеризації для вивчення відображення,
яке параметризується глибокою нейронною мережею. У методі к-середніх
оптимізовано стандартний метод використанням формул середнього та медіани.
Для визначення кількості кластерів застосовано метод «ліктів» (Elbow method). На
основі даних методів зроблено порівняльний аналіз результатів кластеризації.
Опис
Ключові слова
кластерний аналiз, виявлення аномалiй, діаграма розкиду, дивергенція Кульбака- Лейблера, cluster analysis, detection of anomalies, divergence of Kullback-Leibler, Elbow method
Бібліографічний опис
Катрич, Д. С. Методи глибинного навчання для конструювання ознакового простору та кластеризації кібератак : дипломний проект … бакалавра : 25 Кібербезпека / Катрич Дар’я Сергіївна. – Київ, 2021. – 58 с.