Пошук академічних текстів

Інформація × Реєстраційний номер 2120U008136, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Система виявлення мережевих втручань з використанням машинного навчання Автор Савосько Олександра МиколаївнаSavosko Oleksandra Mykolaivna Дата публікації 01-06-2020 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/34796 Видання Київ Опис Дипломний проєкт складається з 62 сторінок, 44 рисунків, 4 таблиць. В дипломному проєкту досліджено придатність методів машинного навчання до задачі класифікації мережевих втручань. У роботі виконано порівняльний аналіз існуючих рішень для виявлення аномалій в мережі. За результатом проведеного аналізу було сформовано функціональні вимоги системи, що розробляється. В дипломному проєкті реалізовано шість оптимальних моделей класифікації з використанням різних алгоритмів машинного навчання,а саме: Рандомний ліс, Дерево рішень, Метод k найближчих сусідів, Метод опорних векторів, Логістична регресія, Градієнтне прискорення. Проведений аналіз створених моделей за допомогою метрик якості: fit_time, score_time, accuracy, f1_weighted, recall, auc_roc. Дипломний проєкт виконано мовою програмування Python з використанням інструменту для ітерактивної розробки даних у сфері Data Science, а саме Jupyter Notebook, надано можливості використання алгоритмів машинного навчання, для класифікації мережевих втручань, обраний найкращий алгоритм для даної задачі. The diploma project consists of 62 pages, 44 images, 4 tables. The purpose of the diploma project is to explore the applicability of machine learning techniques to the classification of the network interventions. The comparative analysis of existing analog solutions for identifying network anomalies was conducted in the project. The advantages and disadvantages were described. As results of the analysis functional requirements for the the developed models were formed. Six optimal classification models using different machine learning algorithms such as Random Forest, Decision tree, k Nearest Neighbor, Support Vector Machine,Logistic regression, Gradient Boosting, implemented in the diploma project. Also a quality metrics analysis of the models created by: fit_time, score_time, accuracy, f1_weighted, recall, auc_roc. As a result of this project, acquired skills in the Python programming language using the iterative tool for development in the field of Data Science, namely Jupyter Notebook. I learned the possibility of using machine learning algorithms to classify network interventions, was selected the best algorithm for this problem. Додано в НРАТ 2025-11-05 Закрити