LV EN

LĪMENIS

PROGRAMMA

FAKULTĀTE

GADS

VALODA

ATSLĒGVĀRDI

Pētījumi par tīkla anomāliju efektīvu atrašanu ielaušanās atklāšanas sistēmās, izmantojot ML/DL metodes

Šajā darbā ir aprakstīts datu kopu un ML/DL metožu testēšanas process, izmantojot Weka platformu, lai iegūtu to efektivitātes rezultātus un noskaidrotu, cik augsta ir tīkla anomāliju noteikšanas precizitāte. Eksperimenta laikā tika analizēti daudzi ML/DL algoritmi un visbiežāk izmantotās datu kopas (KDD99, NSL-KDD, UNSW-NB15), kā rezultātā tika atklāts, ka labākais noteikšanas precizitātes un eksperimentam nepieciešamā laika rezultāts tika iegūts, izmantojot NSL-KDD datu kopu.

Autors: Dmitrijs Bulaks

Vadītājs: Jeļena Baranova

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Angļu

Table View
Text View