| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Mašīnmācīšanās pielietojums tīkla datplūsmas analīzē un anomāliju noteikšanā |
| Title in English |
Application of Machine Learning in Network Traffic Analysis and Anomaly Detection |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Ints Meijers |
| Reviewer |
Jānis Bicāns |
| Abstract |
Bakalaura darbā tiek pētīta mašīnmācīšanās metožu pielietošana tīkla datplūsmas analīzē un anomāliju noteikšanā. Darbā apskatīti divi algoritmi: KOAD (Kernel-based Online Anomaly Detection) un GMM (Gaussian Mixture Model), kuri pārstāv dažādas pieejas anomāliju noteikšanai tīkla datos. Tiek veikta datu apstrāde un atlase, izmantojot CICIDS2017 datu kopu, kur iekļauti dažādi uzbrukumu veidi, piemēram, DDoS, PortScan, WebAttack u.c. KOAD algoritms ir pielāgots tiešsaistes darbībai un izmanto dinamisku vārdnīcu, bet GMM ir statistisks klasterizācijas algoritms. Salīdzinot abu algoritmu rezultātus, tiek novērtēta to spēja noteikt anomālijas atkarība no izvēlētajiem hiperparametriem. Darba gaitā iegūtie rezultāti parāda, ka mašīnmācīšanās metodes var efektīvi papildināt tradicionālos tīkla drošības risinājumus, it īpaši gadījumos, kad nepieciešama ātra un adaptīva reaģēšana un nezināmiem draudiem. |
| Keywords |
MAŠĪNMĀCĪŠANĀS, TĪKLA DROŠĪBA, ANOMĀLIJU NOTEIKŠANA, KOAD, GMM, CICIDS2017 |
| Keywords in English |
MACHINE LEARNING, NETWORK SECURITY, ANOMALY DETECTION, KOAD, GMM, CICIDS2017 |
| Language |
lv |
| Year |
2025 |
| Date and time of uploading |
27.05.2025 23:11:28 |
