«Система виявлення аномальних подій та сигнатур в реальному часі»

dc.contributor.authorШапран Владислав Олександрович
dc.date.accessioned2025-01-27T12:19:38Z
dc.date.available2025-01-27T12:19:38Z
dc.date.issued2024-12
dc.description.abstractВідповідно до мети дослідження робота присвячена розробці системи виявлення аномальних подій та сигнатур в реальному часі. Випускна кваліфікаційна робота на тему «Система виявлення аномальних подій та сигнатур в реальному часі» містить 56 сторінок, 18 рисунків, 5 таблиць. У роботі досліджено сучасні системи виявлення аномальних подій і сигнатур у реальному часі, актуальність яких зумовлена зростанням складності та кількості кібератак. Основною метою є аналіз наявних підходів, виявлення їхніх переваг і недоліків, а також розробка програмного забезпечення для підвищення безпеки інформаційних систем. Використано методи технічного й літературного аналізу, а також моделювання алгоритмів. Наукова новизна полягає у створенні інтегрованої системи, яка поєднує сигнатурний аналіз, машинне навчання та евристичні підходи для виявлення як відомих, так і нових загроз у реальному часі. Розроблена система забезпечує точне діагностування загроз, мінімізує кількість хибно позитивних результатів і прогнозує потенційні атаки за допомогою рекурентних нейронних мереж. Практичне значення дослідження полягає у можливості застосування системи для моніторингу й аналізу кіберзагроз у різних інформаційних інфраструктурах. Результати дослідження можуть бути інтегровані в існуючі рішення для забезпечення кібербезпеки
dc.description.abstractotherIn accordance with the research objective, the work is devoted to the development of a system for detecting anomalous events and signatures in real time. The final qualification work on the topic ‘Real-time anomalous event and signature detection system’ contains 56 pages, 18 figures, 5 tables. The work investigates modern systems of detecting anomalous events and signatures in real time, the relevance of which is due to the growing complexity and number of cyberattacks. The main goal is to analyse existing approaches, identify their advantages and disadvantages, and develop software to improve the security of information systems. The methods used are technical and literature analysis, as well as algorithm modelling. The scientific novelty lies in the creation of an integrated system that combines signature analysis, machine learning, and heuristic approaches to detect both known and emerging threats in real time. The developed system provides accurate threat diagnostics, minimises the number of false positives, and predicts potential attacks using recurrent neural networks. The practical significance of the study lies in the possibility of using the system to monitor and analyse cyber threats in various information infrastructures. The results of the study can be integrated into existing cybersecurity solutions
dc.identifier.citationШапран В О (2024) «Система виявлення аномальних подій та сигнатур в реальному часі» Кваліфікаційна робота магістра за спеціальністью 125 «Кібербезпека», Державний торговельно-економічний університет Репозитарій Державного торговельно-економічного університету https://ur.knute.edu.ua/workspaceitems/4850/edit
dc.identifier.urihttps://ur.knute.edu.ua/handle/123456789/5128
dc.language.isouk
dc.publisherДЕРЖАВНИЙ ТОРГОВЕЛЬНО-ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ/ КИЇВСЬКИЙ НАЦІОНАЛЬНИЙ ТОРГОВОЕЛЬНО-ЕКОНОМІЧНИЙ УНІВЕРСИТЕ
dc.subjectвиявлення аномалій
dc.subjectсигнатурний аналіз
dc.subjectмашинне навчання
dc.subjectLSTM
dc.subjectпрогнозування загроз
dc.subjectIDS
dc.subjectінформаційні системи
dc.subjectanomaly detection
dc.subjectsignature analysis
dc.subjectmachine learning LSTM
dc.subjectthreat prediction
dc.subjectinformation systems
dc.title«Система виявлення аномальних подій та сигнатур в реальному часі»
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
ВКР_Шапран_2024 3 (2).pdf
Розмір:
1.09 MB
Формат:
Adobe Portable Document Format
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed to upon submission
Опис: