| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Tīkla plūsmas raksturiezīmju novērtējums kiberdrošības kontekstā |
| Nosaukums angļu valodā |
Network Traffic Characteristics Assessment in the Context of Cybersecurity |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Heinrihs Kristians Skrodelis |
| Recenzents |
Artis Teilāns |
| Anotācija |
Pēdējo gadu laikā operācijas tehnoloģijas tīkla plūsmas pakļaujas aktīvākiem
kiberduzbrukumiem. Bieži vien operācijas tehnoloģijas tīklu plūsmas satur lielu
apjomu ar pazīmēm. Lai identificētu anomālijas, ir nepieciešams patērēt lielu apjomu
ar skaitļošanas jaudu, kā arī ne visām pazīmēm ir būtiska loma anomāliju
identificēšanā. Darba “Tīkla plūsmas raksturiezīmju novērtējums kiberdrošības
kontekstā” pētījuma mērķis ir izstrādāt pieeju tīkla plūsmu svarīgāko raksturiezīmju
noteikšanai, tādā veidā samazinot nepieciešamo skaitļošanas jaudu, kā arī uzlabojot
rezultātu precizitāti. Darbā tika izmantota CERT.lv SCADA laboratorijas datu kopa.
Datu kopā esošās tīkla plūsma tika pētīta, pielietojot galveno komponenšu analīzi un
kombinējot to ar secīgās atlases metodes, kā rezultātā tika apmācīti k-tuvāko kaimiņu
algoritms un gadījuma meža algoritms, pielietojot atlasītās pazīmes. Analizējot iegūtos
rezultātus, tika noteikts, kurš mašīnmācīšanās modelis tika visveiksmīgāk apmācīts, lai
identificētu, vai tīkla plūsma satur anomālijas. Balstoties uz iegūtiem rezultātiem, tika
izvirzīti priekšlikumi rezultātu uzlabošanai, kā arī turpmāko pētījumu iespējas, lai
attīstītu šo darbu.
Bakalaura darbs ir uzrakstīts latviešu valodā, ar kopējo lappušu apjomu 54
lappuses, izmantoti 17 attēli un 14 tabulas. |
| Atslēgas vārdi |
mašīnmācīšanās, tīkla plūsmas, pazīmju atlase |
| Atslēgas vārdi angļu valodā |
machine learning, network flows, feature selection |
| Valoda |
lv |
| Gads |
2024 |
| Darba augšupielādes datums un laiks |
28.05.2024 11:08:59 |
