Пошук академічних текстів

Інформація × Реєстраційний номер 2120U008077, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Інтелектуальний додаток для ідентифікації аномалій мережевого трафіку Автор Позднякова Олена ЮріївнаPozdnyakova Olena Yuriivna Дата публікації 14-07-2020 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/35617 Видання Київ Опис У роботі розглянуто проблему ідентифікації мережевих аномалій, показані основні особливості існуючих рішень в цій сфері, їх переваги та недоліки. Було розглянуто кілька сучасних технологій для реалізації та обрано найвідповідніші до вимог швидкого, безпечного та зрозумілого додатку. Розроблено інтелектуальний додаток, який визначає нормальний мережевий трафік та аномалії певних типів. Цей додаток для людей, які працюють із безпекою даних та мереж, та відстежують загальні порушення кібербезпеки. Додаток був розроблений у середовищі MATLAB, з використанням бібліотеки Neural Network Toolbox. Для навчання нейронної мережі був використаний протокол NetFlow, дані для навчання - вільно надані адміністрацією KDD Cup ’99. Також, для реалізації додатку було вирішено використовувати MLP-архітектуру. Щоб користуватися додатком, користувачу необхідно мати ПК із тактовою частотою не менш 1100 МГц. Розмір пояснювальної записки – 55 аркушів, містить 16 ілюстрацій, 5 таблиць, 4 додатка. The work examined the problem of identifying network anomalies, showing the main features of existing solutions in this field, their advantages and disadvantages. Several modern technologies for implementation were considered and the most appropriate for the requirements of a fast, safe and understandable application were selected. An intelligent application has been developed that determines normal network traffic and certain types of anomalies. This application is for people who work with data and network security and monitor common cyber security breaches. The application was developed in MATLAB using the Neural Network Toolbox. The NetFlow protocol was used to train the neural network; training data was freely provided by the administration of the KDD Cup ’99. Also, to implement the application, it was decided to use the MLP architecture. To use the application, the user needs to have a PC with a clock frequency of at least 1100 MHz. The explanatory note contains 55 pages, 16 illustrations, 5 tables, 4 applications. Додано в НРАТ 2025-11-05 Закрити