Název:
Využití federativního učení v oblasti bezpečnosti na OS Android
Překlad názvu:
The use of federated learning in the field of security on Android OS
Autoři:
Szüč, Martin ; Myška, Vojtěch (oponent) ; Michálek, Jakub (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2024
Jazyk:
slo
Nakladatel: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstrakt: [slo][eng]
Táto práca skúma využitie federovaného učenia v kontexte kybernetickej bezpečnosti, konkrétne pri detekcii phishing útokov prostredníctvom e-mailu v rámci operačného systému Android. V teoretickej časti sa práca zaoberá konceptmi federovaného učenia, strojového učenia a rôznymi technikami phishingu. V praktickej časti bolo hlavným cieľom navrhnúť a implementovať mobilnú aplikáciu, ktorá využíva federované učenie na trénovanie modelov strojového učenia. Táto aplikácia má byť navrhnutá na detekciu phishing e-mailov, pričom zabezpečuje, že obsah e-mailových správ nie je odosielaný na centrálny server, čím sa chránia citlivé údaje používateľov. Práca zahŕňa návrh architektúry aplikácie, integráciu Python modulov, spracovanie a klasifikáciu e-mailov a implementáciu federovaného učenia. Výsledky testovania aplikácie demonštrujú efektívnosť navrhnutého riešenia v detekcii phishing útokov, pričom zároveň zdôrazňujú výhody ochrany súkromia prostredníctvom federovaného učenia.
This thesis explores the use of federated learning in the context of cybersecurity, specifically in detecting phishing attacks via email on the Android operating system. The~theoretical part of the thesis deals with concepts of federated learning, machine learning, and various phishing techniques. The main goal of the practical part is to design and implement a mobile application that uses federated learning to train machine learning models. This application is designed to detect phishing emails while ensuring that the content of the emails is not sent to a central server, thereby protecting users' sensitive data. The~thesis includes the design of the application architecture, integration of Python modules, processing and classification of emails, and implementation of federated learning. The results of the application testing demonstrate the effectiveness of the proposed solution in detecting phishing attacks while also highlighting the privacy benefits provided by federated learning.
Klíčová slova:
Android; Cybersecurity; E-mail; Federated Learning; Kotlin; Machine Learning; Phishing; Python
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: https://hdl.handle.net/11012/246498