Аналіз ризиків в задачах інформаційної безпеки за допомогою машинного навчання

Скорочена інформація про документ
dc.contributor.advisorМухін, Вадим Євгенович
dc.contributor.authorБараніченко, Андрій Олександрович
dc.date.accessioned2023-09-12T08:27:30Z
dc.date.available2023-09-12T08:27:30Z
dc.date.issued2023
dc.description.abstractДипломна робота: 127 с., 28 рис., 8 табл., 2 додатки, 25 джерел. Об‘єктом дослідження є набір даних Malicious and Benign Websites, який містить інформацію про злоякісні та доброякісні веб-сторінки на основі їх прикладного рівня з мережевими характеристиками. Предметом дослідження є проблема управління ризиками та оцінки різних моделей класифікації. Мета роботи полягає в огляді теоретичних основ і порівняльного аналізу ризиків у задачах інформаційної безпеки, а також застосування штучних нейронних мереж, алгоритмів ансамблевого навчання для бінарної класифікації з ціллю розробки програмного продукту. У роботі було використано модель рекурентної нейронної мережі (RNN), мережу двонаправленої довгої короткочасної пам‘яті (BiLSTM), метод екстремального градієнтного бустінгу (XGBoost). Зростання кількості та складності кіберзагроз, а також залежність суспільства та бізнесу від інформаційних технологій, роблять безпеку інформації надзвичайно актуальною проблемою. Результатом даної роботи є побудований, за допомогою мови програмування Python, програмний продукт в основі, якого реалізовано моделі нейронних мереж та інших алгоритмів машинного навчання для класифікації типів веб-сторінок. Подальше дослідження полягає в інтеграції напрацювань у повноцінну систему забезпечення захисту інформації, моніторингу стану даної системи, підвищенні точності класифікації та оновленні моделей на шляху до виявлення нових загроз безпеці.uk
dc.description.abstractotherBachelor thesis: 127 pages, 28 figures, 8 tables, 2 appendices, 25 sources. The object of study is the Malicious and Benign Websites dataset, which provides information about malicious and benign web pages based on their application layer with network characteristics. The subject of research is the problem of risk management and evaluations of different classification models. The purpose of the work is to review the theoretical foundations and comparative analysis of risks in information security tasks, as well as the use of artificial neural networks, ensemble learning algorithms for binary classification with the aim of developing a software product. The following methods are used in this work - the recurrent neural network (RNN) model, the bidirectional long short-term memory (BiLSTM) network, and the extreme gradient boosting (XGBoost) method. The increase in the number and complexity of cyber threats, as well as the dependence of society and business on information technologies, make information security an extremely urgent problem. The result of this work is a software product built using the Python programming language, based on which neural network models and other machine learning algorithms are implemented for the classification of web pages types. Further research consists in the integration of developments into a full- fledged system for ensuring information protection, monitoring the state of this system, increasing the accuracy of classification and updating models on the way to identifying new security threats.uk
dc.format.extent127 с.uk
dc.identifier.citationБараніченко, А. О. Аналіз ризиків в задачах інформаційної безпеки за допомогою машинного навчання : дипломна робота ... бакалавра : 124 Системний аналіз / Бараніченко Андрій Олександрович. – Київ, 2023. – 127 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60242
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectінформаційна безпекаuk
dc.subjectаналіз ризиківuk
dc.subjectмашинне навчанняuk
dc.subjectглибоке навчанняuk
dc.subjectнейронні мережіuk
dc.subjectкласифікаціяuk
dc.subjectinformation securityuk
dc.subjectrisk analysisuk
dc.subjectmachine learninguk
dc.subjectdeep learninguk
dc.subjectneural networksuk
dc.subjectclassificationuk
dc.titleАналіз ризиків в задачах інформаційної безпеки за допомогою машинного навчанняuk
dc.typeBachelor Thesisuk

Файли

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

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи