Název: Optimalizace odvozování DDoS filtračních pravidel
Překlad názvu: Optimization of DDoS Mitigation Rule Inference
Autoři: Carasec, Elena ; Grégr, Matěj (oponent) ; Žádník, Martin (vedoucí práce)
Typ dokumentu: Bakalářské práce
Rok: 2022
Jazyk: eng
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [eng] [cze]
Tato práce se zabývá možností využití algoritmů strojového učení pro ochranu proti DDoS útokům. Pro klasické a inkrementální (online) učení jsou uvažovány vysvětlitelné metody učení s učitelem, zejména rozhodovací stromy. Dále jsou představeny některé možné optimalizace pro zvýšení přesnosti klasifikace provozu a snížení množství blokovaného legitimního provozu. This thesis discusses the possibility of using machine learning algorithms for DDoS protection. For classical and incremental (online) learning are considered explainable supervised learning methods, particularly decision trees. Furthermore, some possible optimisations are introduced to increase traffic classification accuracy and decrease the amount of blocked legitimate traffic.
Klíčová slova: classification; data stream; DDoS attack; decision tree; Explainable AI (XAI).; filtration; incremental learning; machine learning; supervised learning; datový tok; DDoS útok; filtrace; inkrementální učení; klasifikace; rozhodovací strom; strojové učení; učení s učitelem; vysvětlitelná umělá inteligence.

Instituce: Vysoké učení technické v Brně (web)
Informace o dostupnosti dokumentu: Plný text je dostupný v Digitální knihovně VUT.
Původní záznam: http://hdl.handle.net/11012/207295

Trvalý odkaz NUŠL: http://www.nusl.cz/ntk/nusl-504837


Záznam je zařazen do těchto sbírek:
Školství > Veřejné vysoké školy > Vysoké učení technické v Brně
Vysokoškolské kvalifikační práce > Bakalářské práce