Визначення атак на комп’ютерну мережу з використанням нейромережної технології
Loading...
Date
2021
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Український державний університет науки і технологій, Дніпро
Abstract
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.
EN: In the thesis master's work, a review of neural networks was made to determine network attacks on a computer network. The mathematical apparatus is a multilayer perceptron, a neuro-fuzzy network and a Kohonen network. For To determine the degree of probability of an attack on a computer network, a neuro-fuzzy network is used. To detect an attack and determine its category, a multilayer perceptron and a Kohonen network are used. Neural Fuzzy Network and Multilayer Perceptron Created with MatLAB, the Kohonen network is written in the Python programming language. Based on these neural networks, studies have been carried out: determining the optimal parameters of each neural network, determining the quality assessment indicators for each neural network separately and determining the quality assessment indicators for combined approach. For a multilayer perceptron, the sample size and learning algorithms were investigated, and the size of the hidden layer was calculated. For neuro-fuzzy network the optimality of the sample size, training methods were tested. After training the neuro-fuzzy network, an adequacy check was made. For the Kohonen network the sample size was checked and the optimal map size was chosen. The quality assessment was carried out for each neural network separately - the best result was shown by multilayer perceptron. When studying the quality assessment of the combined approach, the best result was obtained for a multilayer perceptron.
EN: In the thesis master's work, a review of neural networks was made to determine network attacks on a computer network. The mathematical apparatus is a multilayer perceptron, a neuro-fuzzy network and a Kohonen network. For To determine the degree of probability of an attack on a computer network, a neuro-fuzzy network is used. To detect an attack and determine its category, a multilayer perceptron and a Kohonen network are used. Neural Fuzzy Network and Multilayer Perceptron Created with MatLAB, the Kohonen network is written in the Python programming language. Based on these neural networks, studies have been carried out: determining the optimal parameters of each neural network, determining the quality assessment indicators for each neural network separately and determining the quality assessment indicators for combined approach. For a multilayer perceptron, the sample size and learning algorithms were investigated, and the size of the hidden layer was calculated. For neuro-fuzzy network the optimality of the sample size, training methods were tested. After training the neuro-fuzzy network, an adequacy check was made. For the Kohonen network the sample size was checked and the optimal map size was chosen. The quality assessment was carried out for each neural network separately - the best result was shown by multilayer perceptron. When studying the quality assessment of the combined approach, the best result was obtained for a multilayer perceptron.
Description
Keywords
атака, категорія, багатошаровий персептрон, мережа Кохонена, нейро-нечітка мережа, комбінований підхід, якість, attack, category, multilayer perceptron, Kohonen network, neuro-fuzzy network, combined approach, quality, ВКР, КЕОМ
Citation
Видиш А. Д. Визначення атак на комп’ютерну мережу з використанням нейромережної технології : дипломна робота на здобуття кваліфікаційного ступеня магістра : спец. 123 – Комп’ютерна інженерія / наук. керівник В. М. Пахомова ; Укр. держ. ун-т науки і техногогій. Дніпро, 2021. 72 с.