Original title: Optimalizace odvozování DDoS filtračních pravidel
Translated title: Optimization of DDoS Mitigation Rule Inference
Authors: Carasec, Elena ; Grégr, Matěj (referee) ; Žádník, Martin (advisor)
Document type: Bachelor's theses
Year: 2022
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [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.
Keywords: datový tok; DDoS útok; filtrace; inkrementální učení; klasifikace; rozhodovací strom; strojové učení; učení s učitelem; vysvětlitelná umělá inteligence.; classification; data stream; DDoS attack; decision tree; Explainable AI (XAI).; filtration; incremental learning; machine learning; supervised learning

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/207295

Permalink: http://www.nusl.cz/ntk/nusl-504837


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses