| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Uz lietotāja pieprasījuma vēsturi balstīta aizdomīgo aktivitāšu atklāšanas sistēma |
| Nosaukums angļu valodā |
User Request Sequences Based System for Anomalous Activity Detection |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Dr. sc. ing. Pāvels Osipovs |
| Recenzents |
Mg. sc. ing. Egmonts Treiguts |
| Anotācija |
Pēdējo gadu laikā datu apjoms interneta vidē ir palielinājies daudzkārt. Tūkstošiem organizāciju elektronizē savus datus, lai optimizētu iekšējos procesus un nodrošinātu to darbiniekiem iespēju strādāt attālināti. Savukārt pieeja pie visas iekšējās informācijas ne vienmēr ir nepieciešama tipiskajam lietotājam tik lielā elektroniskajā sistēmā, tāpēc šajā gadījumā tiek pievienoti papildus ierobežojumi konta un sistēmas noteikumu līmenī. Neskatoties uz to, dažreiz ir neiespējami izvirzīt tik precīzus ierobežojumus un atdalīt lietotājam pieejamos datus no nepieejamiem datiem, tāpēc, ka lietotājam ir jābūt pieejai pie visas informācijas sistēmā, bet jāstrādā tikai ar to informāciju, kas ietilpst lietotāja profesionālo interešu robežās.
Šis pētījums tiek veikts, lai pētītu tāda tipa lietotāja netipiskās darbības, un konstatētu situāciju, kad lietotājs pieprasa netipiskus datus.
Lai sasniegtu rezultātu, tiek apskatīta dažādu datu svarīguma klasifikācija, tiek aprakstīti iespējamie draudi datiem, uzskaitīti un izmērīti dažādi tipi potenciālajiem uzbrucējiem un uzbrukumiem sistēmai.
Kā galvenā ielaušanās konstatēšanas stratēģija tika izvēlēta anomāliju atklāšanas stratēģija. Markova ķēžu grafs pielietots, lai saglabātu lietotāja piekļuves biežumu dažādiem mērķa sistēmas elementiem.
Izveidotā izmēģinājuma sistēma apvienota, izmantojot Python Twisted serveri, lokālu SQLite datu bāzi un HTML Javascript, lai izveidotu eksperimentālu vidi. |
| Atslēgas vārdi |
Anomālo aktivitāšu atklāšana, grafu teorija, Markova ķēdes, Python, JavaScript |
| Atslēgas vārdi angļu valodā |
Anomal activity detection, graph theory, Markov chains, Python\, JavaScrip |
| Valoda |
lv |
| Gads |
2016 |
| Darba augšupielādes datums un laiks |
09.09.2016 10:32:26 |
