груші яблоко повидло
груші яблоко повидло
Please use this identifier to cite or link to this item: https://krs.chmnu.edu.ua/jspui/handle/123456789/3287
Full metadata record
DC FieldValueLanguage
dc.contributor.authorБарбулат, І. В.-
dc.date.accessioned2024-04-18T11:36:00Z-
dc.date.available2024-04-18T11:36:00Z-
dc.date.issued2024-02-
dc.identifier.urihttps://krs.chmnu.edu.ua/jspui/handle/123456789/3287-
dc.descriptionБарбулат І. В. Інтелектуальна система виявлення кіберзагроз на основі методів машинного навчання : кваліфікаційна робота на здобуття освітнього ступеня «магістр» : спец. 122 «Комп’ютерні науки» / І. В. Барбулат ; ЧНУ ім. Петра Могили. - Миколаїв, 2024. - 67 с.uk_UA
dc.description.abstractАктуальність. Наше життя стало залежним від інтернету. Кожен день ми спілкуємося з друзями, шукаємо різноманітну інформацію, виконуємо банківські операції та багато чого іншого. Головне з цього, що кожна людина залишає свій інформаційний слід у Інтернеті. І не завжди ці ресурси є захищеними від атак злочинців, які можуть заволодіти конференційною інформацією і використовувати її у своїх цілях. Тому і постало питання захисту інформації. Спочатку для виявлення атак використовували системи виявлення вторгнень на основі сигнатур, статичні правила брандмауера для мережевого трафіку та інші. Але із розвитком технологій, а особливо із об’ємом даних, старі методи вже не такі ефективні. Тим паче злочинці не стоять на місці і з кожним роком вдосконалюють свої навички і знаходять нові вразливості. Тому люди замислились над використанням машинного навчання для запобіганням атак. МН дозволяє вдосконалити вже наявні методи захисту і виводить їх на новий рівень, що призводить до укріпленню кібербезпеки. Особливо ефективним воно стало у виявленні аномалій. Моделі машинного навчання здатні аналізувати величезні обсяги даних, включно з мережевим трафіком, системними журналами і моделями поведінки користувачів, на основі чого можна виявляти аномалії і виявляти потенційні загрози. Моделі машинного навчання допомагають зрозуміти, що таке "нормальна" поведінка в мережі або системі. Завдяки цим знанням вони можуть сигналізувати про аномальну поведінку або потенційні загрози безпеці. Для цього використовують алгоритми класифікації, які допомагають серед великих масивів даних класифікувати загрози і нормальний трафік. Об’єкт дослідження – процес виявлення кіберзагроз. Предмет дослідження – методи і алгоритми машинного навчання для вирішення задач класифікації. Метою кваліфікаційної роботи магістра є підвищення ефективності виявлення та класифікації кіберзагроз за допомогою методів машинного навчання. Відштовхуючись від мети були поставлені наступні завдання:  проаналізувати класичні засоби виявлення кіберзагроз;  проаналізувати основні теоретичні засади машинного навчання;  дослідити алгоритми класифікації;  підібрати набір даних, вивчити його та підготувати для навчання моделей;  навчити та протестувати моделі для бінарної та багатокласової класифікації.uk_UA
dc.language.isootheruk_UA
dc.publisherЧНУ ім. Петра Могилиuk_UA
dc.subjectКафедра інтелектуальних інформаційних системuk_UA
dc.subjectГожий О. П.uk_UA
dc.titleІнтелектуальна система виявлення кіберзагроз на основі методів машинного навчанняuk_UA
dc.title.alternativeкваліфікаційна робота на здобуття освітнього ступеня «магістр» : спец. 122 «Комп’ютерні науки»uk_UA
dc.typeOtheruk_UA
Appears in Collections:Факультет комп'ютерних наук

Files in This Item:
File Description SizeFormat 
Барбулат 601 КРМ.pdf2.27 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.