Інтелектуальна система виявлення аномалій у даних технологічних процесів критичної інфраструктури на основі методів глибинного навчання
Вантажиться...
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 115 с., 22 рис., 13 табл., 2 додатки, 18 джерел.
Об'єкт дослідження — процеси оброблення та аналізу телеметричних даних промислових кіберфізичних систем об'єктів критичної інфраструктури. Предмет дослідження — методи глибинного навчання на основі автоенкодерів для автоматизованого виявлення аномалій у багатовимірних часових рядах телеметрії кіберфізичної системи. Мета роботи — створення інтелектуальної системи виявлення аномалій у даних технологічних процесів, яка моделює нормальну поведінку кіберфізичної системи та автоматично фіксує відхилення, спричинені несправностями або кібервтручаннями, без використання розмічених прикладів атак. Актуальність — конвергенція IT та OT-технологій розширила поверхню атак на критичну інфраструктуру, а традиційні засоби захисту неефективні в OT-мережах через пропрієтарні протоколи, обмежені ресурси пристроїв і вимогу безперервної роботи. Це зумовлює потребу в інтелектуальних системах виявлення поведінкових аномалій без втручання в логіку технологічного процесу. Результати роботи — розроблено програмний продукт мовою Python, що реалізує повний цикл оброблення телеметричних даних стенду SWaT 2015: попередню обробку, стратифіковане leak-free формування вибірок, навчання чотирьох конфігурацій детектора (M1–M4) та калібрування порогів за бюджетом хибних тривог. Запропоновано та експериментально перевірено поознаковий (per-feature) поріг із двопороговою гістерезисною фільтрацією.
Опис
Ключові слова
автоенкодер, виявлення аномалій, гістерезисна фільтрація, глибинне навчання, кіберфізичні системи, критична інфраструктура, поознаковий поріг, часові ряди, autoencoder, anomaly detection, hysteresis filtering, deep learning, cyber-physical systems, critical infrastructure, per-feature threshold, time series, lstm
Бібліографічний опис
Михальчук, Є. Б. Інтелектуальна система виявлення аномалій у даних технологічних процесів критичної інфраструктури на основі методів глибинного навчання : дипломна робота … бакалавра : 124 Системний аналіз / Михальчук Євгенія Богданівна. – Київ, 2026. – 115 с.