Розпізнавання програм-вимагачів за допомогою машинного навчання

Скорочена інформація про документ
dc.contributor.advisorГальчинський, Леонід Юрійович
dc.contributor.authorЯрощук, Владислав Володимирович
dc.date.accessioned2025-08-28T08:26:47Z
dc.date.available2025-08-28T08:26:47Z
dc.date.issued2025
dc.description.abstractОбсяг роботи: 96 сторінок, 6 ілюстрацій, 21 джерела літератури. Об’єкт дослідження: процес виявлення програм-вимагачів в інформаційних системах в умовах високошвидкісних та змінних кіберзагроз. Предмет дослідження: алгоритми машинного навчання, зокрема Hoeffding Tree та його модифікації, для класифікації поведінки програм як шкідливої або легітимної в умовах потокової обробки даних. Мета дослідження: розробити модель швидкого виявлення ransomware з використанням потокового машинного навчання з акцентом на ефективність у реальному часі. Обґрунтовано доцільність застосування потокової класифікації для оперативного виявлення ознак програм-вимагачів. - Проведено порівняняльний аналіз можливостей різних моделей EFDT потокової класифікації на датасеті RISS за критеріями точності та швидкості реагування. - Запропоновано архітектуру інтеграції потокових моделей у системи кіберзахисту реального часу.
dc.description.abstractotherVolume of work: 96 pages, 6 illustrations, 21 sources of literature. Object of research: the process of detecting ransomware in information systems under conditions of high-speed and dynamic cyber threats. Subject of research: machine learning algorithms, particularly the Hoeffding Tree and its modifications, for classifying program behavior as malicious or legitimate under data stream processing conditions. Purpose of the study: to develop a model for fast ransomware detection using streaming machine learning with an emphasis on real-time efficiency Results: - The feasibility of using streaming classification for prompt ransomware detection has been substantiated. - A comparative analysis of different EFDT streaming classification models was conducted on the RISS dataset based on accuracy and response speed. - An architecture for integrating streaming models into real-time cybersecurity systems was proposed.
dc.format.extent96 с.
dc.identifier.citationЯрощук, В. В. Розпізнавання програм-вимагачів за допомогою машинного навчання : магістерська дис. : 125 Кібербезпека та захист інформації / Ярощук Владислав Володимирович. – Київ, 2025. – 96 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/75708
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectransomware
dc.subjectпотокове навчання
dc.subjectHoeffding Tree
dc.subjectкласифікація в реальному часі
dc.subjectлатентність
dc.subjectstream learning
dc.subjectreal-time classification
dc.subjectlatency
dc.subject.udc004.056
dc.titleРозпізнавання програм-вимагачів за допомогою машинного навчання
dc.typeMaster Thesis

Файли

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

Зібрання

Магістерські роботи (ІБ)
Магістерські роботи