Створення нейронної мережі для визначення мережевих атак категорії U2R

Simple item page
dc.contributor.authorМегельбей, Єгор Олександрвоичuk_UA
dc.date.accessioned2022-09-12T10:00:02Z
dc.date.available2022-09-12T10:00:02Z
dc.date.issued2022
dc.description.abstractUKR: 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: 5*5; 10*10; 20*20. Визначено, що найменше значення помилки досягається на карті 20*20 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».uk_UA
dc.description.abstractENG: 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".en
dc.identifier.citationМегельей Є. О. Створення нейронної мережі для визначення мережевих атак категорії U2R : дипломна робота на здобуття кваліфікаційного ступеня бакалавра : спец. 125 – Кібербезпека / наук. керівник В. М. Пахомова ; Укр. держ. ун-т науки і технологій. Дніпро, 2022. 31 с.uk_UA
dc.identifier.urihttp://eadnurt.diit.edu.ua/jspui/handle/123456789/15962
dc.language.isouk_UA
dc.publisherУкраїнський державний університет науки і технологій, Дніпроuk_UA
dc.subjectатакаuk_UA
dc.subjectпохибкаuk_UA
dc.subjectякістьuk_UA
dc.subjectF–міркаen
dc.subjectattacken
dc.subjectLoadmoduleen
dc.subjectRootkiten
dc.subjectBufferoverflowen
dc.subjectNSL – KDDen
dc.subjectSOMen
dc.subjectPythonen
dc.subjecterroren
dc.subjectqualityen
dc.subjectF – measureen
dc.subjectКЕОМuk_UA
dc.titleСтворення нейронної мережі для визначення мережевих атак категорії U2Ruk_UA
dc.title.alternativeCreating a Neural Network to Detect U2R Network Attacksen
dc.typeBachelor Thesisen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Megelbey_dip_2022.pdf
Size:
763.68 KB
Format:
Adobe Portable Document Format
Description:
Bachelor Thesis
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Бакалаврські випускні роботи кафедри Електронні обчислювальні машини (КЕОМ)
Інші праці КЕОМ