Магістерські роботи кафедри Електронні обчислювальнi машини (КЕОМ)

Permanent URI for this collection

http://crust.ust.edu.ua/handle/123456789/12578
UK: Магістерські роботи кафедри Електронні обчислювальнi машини (КЕОМ)
EN: Master Thesis "Electronic Computers"

Browse

Browsing Магістерські роботи кафедри Електронні обчислювальнi машини (КЕОМ) by Subject "attack"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Визначення атак на комп’ютерну мережу з використанням нейромережної технології
    (Український державний університет науки і технологій, Дніпро, 2021) Видиш, Анастасія Денисівна
    UK: У дипломній магістерській роботі виконано огляд нейронних мереж для визначення мережевих атак на комп’ютерну мережу. Математичний апарат – багатошаровий персептрон, нейро-нечітка мережа та мережа Кохонена. Для визначення ступеню імовірності атаки на комп’ютерну мережу використовується нейронечітка мережа. Для виявлення атаки та визначення її категорії – багатошаровий персептрон та мережа Кохонена. Нейро-нечітка мережа та багатошаровий персептрон створені за допомогою MatLAB, мережа Кохонена написана на мові програмування Python. На основі цих нейромереж проведені дослідженні: визначення оптимальних параметрів кожної нейромережі, визначення показників оцінки якості кожної нейромережі окремо та визначення показників оцінки якості при комбінованому підході. Для багатошарового персептрону було досліджено розмір вибірки та алгоритми навчання, розрахован розмір прихованого шару. Для нейро-нечіткої мережі було перевірено оптимальність розміру вибірки, методи навчання. Після навчання нейро-нечіткої мережі була зроблена перевірка на адекватність. Для мережі Кохонена зроблена перевірка розміру вибірки та підібраний оптимальний розмір карти. Оцінка якості проводилася для кожної нейромережі окремо – найкращий результат показав багатошаровий персептрон. При дослідженні оцінки якості для комбінованого підходу кращий результат отримано для багатошарового персептрона.
  • Thumbnail Image
    Item
    Визначення мережевих атак з використанням методів штучного інтелекту
    (Дніпровський національний університет залізничного транспорту ім. акад. В. Лазаряна, Дніпро, 2020) Биковська, Дар'я Григорівна
    UK: У дипломній магістерській роботі виконано огляд методів штучного інтелекту для визначення мережевих атак на комп’ютерну мережу. У якості математичного апарату використані SOM (Self Organizing Maps) та MLP (Multi Layer Perceptron). Для визначення мережевих атак створений програмний комплекс, в основу якого покладені наступні моделі: «SOM_Clon», що написана на С++, для визначення категорії мережевої атаки: DоS, Probe, R2L, U2R (на першому етапі); «MLP», що написана на «Python» з використанням бібліотек машинного навчання, для визначення класу мережевої атаки відповідно до категорії (на другому етапі). У програмній моделі «SOM_Clon» для формування навчальної вибірки використовуються дані КDD-99 та алгоритм клональної селекції. На базі створеного програмного комплексу проведені наступні дослідження: визначення оптимальних параметрів MLР-DоS, MLР-Probe, MLР-R2L, MLР-U2R (перше дослідження); визначення показників оцінки якості отриманих рішень (друге дослідження). Відповідно до першого дослідження проведена оцінка точності та середньоквадратичної логарифмічної помилки (Mean Squared Logarithmic Error, MSLE) від кількості епох навчання за різними функціями активації та різною кількістю прихованих нейронів при різних алгоритмах оптимізації навчання. Визначено, що для виявлення класу атак категорії DоS достатньо мати нейронну мережу конфігурації 29-1-25-6 з логістичною функцією у прихованому шарі та функцією Softmax на результуючому шарі, яка за алгоритмом AdaDelta за 25 епох надає точність в 99,82 % на основі навчальної вибірки із 849 прикладів. Відповідно до другого дослідження отримані значення показників якості (TPR, FPR, CCR та ICR) від довжини навчальної вибірки.
  • Thumbnail Image
    Item
    Дослідження систем автоматизованого тестування безпеки веб-додатків
    (Український державний університет науки і технологій, Дніпро, 2021) Піддубняк, Поліна Володимирівна
    UKR: Об’єктом дослідження магістерської роботи є процес проектування та дослідження системи автоматизованого тестування веб-додатків. Мета кваліфікаційної роботи - дослідження та проектування системи автоматизованого тестування безпеки веб-додатків. У першому розділі роботи досліджено проблеми захисту веб-додатків та визначено актуальність автоматизованого тестування. Другий розділ роботи присвячений огляду засобів захисту веб-додатків. У третьому розділі виконано розробку та дослідження системи автоматизованого тестування безпеки веб-додатків. У четвертому розділі розглянуто питання з охорони праці та безпеки у надзвичайних ситуаціях. Галузь застосування – розроблену систему автоматизованого тестування безпеки веб-додатків можна застосовувати підприємствами та організаціями, які безпосередньо використовують у своїй діяльності веб-додатки. Економічна ефективність полягає у зменшенні витрат на купівлю ліцензій автоматизованих систем тестування безпеки веб-додатків.