Розробка алгоритму виявлення аномалій в наборах даних для попередження кібератак з застосуванням вейвлет-аналізу

Скорочена інформація про документ
dc.contributor.advisorЛанде, Дмитро Володимирович
dc.contributor.authorЗамрій, Денис Сергійович
dc.date.accessioned2025-09-29T07:51:21Z
dc.date.available2025-09-29T07:51:21Z
dc.date.issued2024
dc.description.abstractДипломна робота має обсяг 46 сторінок, містить 17 рисунків, 2 таблиці, 2 додатки, 10 джерел посилань. Зловмисники щоденно вдосконалюють свої методи для здійснення кібератак, що значно ускладнює їх своєчасне виявлення. З початком повномасштабного вторгнення в Україну у лютому 2022 року кількість кібератак стрімко зросла. Найбільш поширеними типами атак були DDos-атаки, які спрямовані на відмову в обслуговуванні, шкідливе програмне забезпечення, таке як віруси, трояни. Також зловмисники використовували фішингові електронні листи, для того щоб заволодіти обліковими даними користувачів. В загальному, хакери використовували широкий спектр кібератак, для того щоб завдати максимальної шкоди Україні в умовах повномасштабної війни. Окрім технічно складних атак, зловмисники також використовували методи соціальної інженерії, для того, щоб ввести українських користувачів в оману. Фішингові електронні листи та підроблені веб-сайти, які були замасковані під державні організації, підштовхували людей до переходу за шкідливим посиланням. Через недостатній досвід більшості користувачів, хакери з легкістю отримували доступ до корпоративних або особистих даних. Таким чином, обмежена обізнаність та навички кібергігієни серед частини населення України стала вразливістю, яку активно експлуатували хакери. Підвищення рівня цифрової грамотності та навчання безпечної поведінки в інтернеті могли б значно ускладнити успіхи подібних соціальних інженерних атак. В умовах війни, українські користувачі стикалися з великим обсягом інформації про те, як захиститися від кібератак, проте, в умовах інформаційного перенавантаження та постійного стресу, не встигали ознайомитися з цими рекомендаціями завчасно. Що в свою чергу ускладнювало зусилля з протидії кіберзагрозам та робило певну частину користувачів більш вразливими перед тактиками зловмисників. Ефективним рішенням цієї проблеми може бути виявлення аномалій у великих наборах даних та використання вейвлет-аналізу. Метою роботи є розробка алгоритму виявлення аномалій у наборах великих даних для попередження кібератак із використанням вейвлет-аналізу. Об’єктом дослідження є власне дані, які включають в себе інформацію про кібератаки.
dc.description.abstractotherThe thesis is 46 pages long, contains 17 figures, 2 tables, 2 appendices, and 10 references. Attackers are improving their methods of cyberattacks on a daily basis, which makes them much more difficult to detect in a timely manner. Since the beginning of the full-scale invasion of Ukraine in February 2022, the number of cyberattacks has increased dramatically. The most common types of attacks were DDos attacks aimed at denial of service, malicious software such as viruses and trojans. Attackers also used phishing emails to take over user credentials. In general, hackers used a wide range of cyberattacks to inflict maximum damage on Ukraine in a full-scale war. In addition to technically sophisticated attacks, the attackers also used social engineering techniques to mislead Ukrainian users. Phishing emails and fake websites disguised as government organizations encouraged people to click on malicious links. Due to the lack of experience of most users, hackers easily gained access to corporate or personal data. Thus, the limited awareness and cyber hygiene skills of a part of the Ukrainian population became a vulnerability that was actively exploited by hackers. Increasing the level of digital literacy and teaching safe behavior on the Internet could significantly complicate the success of such social engineering attacks. During the war, Ukrainian users were exposed to a large amount of information on how to protect themselves from cyberattacks, but due to information overload and constant stress, they did not have time to read these recommendations in advance. This, in turn, complicated efforts to counter cyber threats and made some users more vulnerable to attackers' tactics. An effective solution to this problem can be to detect anomalies in large data sets and use wavelet analysis. The aim of the study is to develop an algorithm for detecting anomalies in big data sets to prevent cyberattacks using wavelet analysis. The object of research is the data itself, which includes information about cyberattacks.
dc.format.extent46 с.
dc.identifier.citationЗамрій, Д. С. Розробка алгоритму виявлення аномалій в наборах даних для попередження кібератак з застосуванням вейвлет-аналізу : дипломна робота ... бакалавра : 125 Кібербезпека / Замрій Денис Сергійович. – Київ, 2024. – 46 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/76369
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectвейвлет-аналіз
dc.subjectаномалії
dc.subjectнабори великих даних
dc.subjectкібератаки
dc.subjectчасові ряди
dc.subjectwavelet analysis
dc.subjectanomalies
dc.subjectbig data sets
dc.subjectcyberattacks
dc.subjecttime series
dc.titleРозробка алгоритму виявлення аномалій в наборах даних для попередження кібератак з застосуванням вейвлет-аналізу
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Zamrii_bakalavr.pdf
Розмір:
1.53 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 (ІБ)
Бакалаврські роботи