Інтелектуальна система виявлення аномалій у даних технологічних процесів критичної інфраструктури на основі методів глибинного навчання

Скорочена інформація про документ
dc.contributor.advisorДреваль, Максим Михайлович
dc.contributor.authorМихальчук, Євгенія Богданівна
dc.date.accessioned2026-09-10T07:57:35Z
dc.date.available2026-09-10T07:57:35Z
dc.date.issued2026
dc.description.abstractДипломна 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.
dc.description.abstractotherThesis: 115 p., 22 fig., 13 tab., 2 appendices, 18 references. Object of research — the processing and analysis of telemetry data of industrial cyber-physical systems in critical-infrastructure facilities. Subject of research — autoencoder-based deep learning methods for automated anomaly detection in multivariate telemetry time series of a cyber physical system. Purpose of the work — the development of an intelligent anomaly-detection system for technological-process data that models the normal behaviour of a cyber physical system and automatically flags deviations caused by faults or cyber intrusions, without using labelled attack examples. Relevance — the convergence of IT and OT technologies has expanded the attack surface of critical infrastructure, while traditional security measures are ineffective in OT networks due to proprietary protocols, limited device resources, and the requirement for continuous operation. This necessitates intelligent systems for detecting behavioural anomalies without interfering with the logic of the technological process. Results of the work — a software product was developed in Python implementing the full telemetry-data processing cycle for the SWaT 2015 testbed: preprocessing, stratified leak-free dataset construction, training of four detector configurations (M1–M4), and threshold calibration based on a false-alarm budget. A per-feature threshold with two-stage hysteresis filtering was proposed and experimentally validated.
dc.format.extent115 с.
dc.identifier.citationМихальчук, 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.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/82952
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectавтоенкодер
dc.subjectвиявлення аномалій
dc.subjectгістерезисна фільтрація
dc.subjectглибинне навчання
dc.subjectкіберфізичні системи
dc.subjectкритична інфраструктура
dc.subjectпоознаковий поріг
dc.subjectчасові ряди
dc.subjectautoencoder
dc.subjectanomaly detection
dc.subjecthysteresis filtering
dc.subjectdeep learning
dc.subjectcyber-physical systems
dc.subjectcritical infrastructure
dc.subjectper-feature threshold
dc.subjecttime series
dc.subjectlstm
dc.titleІнтелектуальна система виявлення аномалій у даних технологічних процесів критичної інфраструктури на основі методів глибинного навчання
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Mykhalchuk_bakalavr.pdf
Розмір:
4.59 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

Бакалаврські роботи (ММСА)
Бакалаврські роботи