| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Informācijas tehnoloģija |
| Nosaukums |
Iekšējo draudu mazināšana hibrīda darba vidē, izmantojot uzvedības analīzi |
| Nosaukums angļu valodā |
Mitigating Insider Threats in Hybrid Work Environments Using Behavioral Analysis |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Andrejs Romānovs |
| Recenzents |
Uģis Āboltiņš |
| Anotācija |
Hibrīda darba modelis rada jaunus kiberdrošības izaicinājumus, īpaši saistībā ar iekšējiem draudiem. Pieaugošais incidentu skaits uzsver nepieciešamību pēc risinājumiem, kas, balstoties uz uzvedības analīzi, spēj savlaicīgi atklāt novirzes lietotāju rīcībā un novērst potenciālus apdraudējumus. Darba mērķis ir izstrādāt uzvedības analīzē balstītu pieeju iekšējo kiberdrošības draudu identificēšanai un mazināšanai hibrīda darba vidē. Darbā tiek analizēti kiberdrošības riski hibrīda darba modeļa kontekstā un izpētītas uzvedības analīzes iespējas. Tiek veikta salīdzinošā analīze, pielietojot trīs mašīnmācīšanās algoritmus – LSTM, One-Class SVM un Isolation Forest – un izmantojot Los Alamos National Laboratory autentifikācijas notikumu datus. Analīze parāda, ka visefektīvākais ir uzlabotais Isolation Forest modelis. Izstrādātā pieeja ir papildināta ar ieteikumiem tās ieviešanai uzņēmumos. Darbā iegūtie rezultāti apliecina, ka uzvedības analīze var būt efektīva metode kiberdrošības uzlabošanā, īpaši organizācijās, kur tiek izmantots hibrīda darba modelis. |
| Atslēgas vārdi |
kiberdrošība, hibrīda darba vide, uzvedības analīze, draudu noteikšana, mašīnmācīšanas |
| Atslēgas vārdi angļu valodā |
cybersecurity, hybrid work environment, behavioral analysis, threat detection, machine learning |
| Valoda |
lv |
| Gads |
2025 |
| Darba augšupielādes datums un laiks |
26.05.2025 13:13:16 |
