Створення нейронної мережі для визначення мережевих атак категорії U2R

UKR: Бакалаврська робота виконана на 31 сторінках, містить 8 ілюстрацій, 3 таблиць та 30 використаних джерел. Мета роботи – визначення мережевих атак категорій U2R засобами самоорганізуючої карти Кохонена. Методи дослідження – cамоорганізуюча карта Кохонена, мова Python з використанням стандартних бібліотек, оцінка якості визначення атак. Створено в Python програмну модель «SOM_U2R», в основу якої покладена самоорганізуюча карта Кохонена. У якості вихідних даних програмної моделі взято 41 параметр мережевого трафіку на основі бази NSL-KDD для визначення наступних класів: Rootkit, Bufferoverflow, Loadmodule. На створеній програмній моделі «SOM_U2R» проведено дослідження помилки за різною кількістю епох (10, 20 та 50) при різних розмірах карти: 55; 1010; 2020. Визначено, що найменше значення помилки досягається на карті 2020 при 10 епохах. Крім того, проведено дослідження F-мірки за різною кількістю епох навчання самоорганізуючої карти. Рекомендовано створену програмну модель «SOM_U2R» здобувачам першого (бакалаврського) ступеня спеціальності «Кібербезпека» при виконанні самостійної роботи з дисципліни «Локальні мережі».

ENG: The bachelor's thesis consist of 31 pages, contains 8 illustrations, 3 tables and 30 sources. The purpose of the work is to determine network attacks of U2R categories by means of a self-organizing Kohonen map. Research methods - self-organizing Kohonen map, Python language using standard libraries, assessment of the quality of attack detection. Created in Python software model "SOM_U2R", which is based on a self-organizing map Kohonen. As the initial data of the software model, 41 parameters of network traffic based on the NSL-KDD database were taken to determine the following classes: Rootkit, Bufferoverflow, Loadmodule. On the created software model "SOM_U2R" the error research on different number of epochs (10, 20 and 50) at different sizes of a card is carried out: 5 * 5; 10 * 10; 20 * 20. It is determined that the smallest value of error is achieved on the map 20 * 20 at 10 epochs. In addition, a study of the F-measure for a different number of epochs of self-organizing map learning. The created software model "SOM_U2R" is recommended for applicants of the first (bachelor's) degree of the specialty "Cybersecurity" when performing independent work in the discipline "Local Area Networks".