|
|
Systém pro rozpoznávání APT útoků
Hujňák, Ondřej ; Kačic, Matej (oponent) ; Barabas, Maroš (vedoucí práce)
Práce se zabývá APT útoky, což jsou cílené a profesionálně vedené útoky vyznačující se dlouhou dobou trvání s využitím pokročilých technik. Práce shrnuje dosavadní znalosti o APT útocích a je v ní navrženo sedm symptomů využitelných pro zjištění, že daná organizace se nachází pod APT útokem. Na spolupůsobení symptomů je v práci navržen systém pro rozpoznávání APT útoků. Tento systém je rozpracován pro útoky v prostředí počítačové sítě a využívá modelování chování uživatelů v síti pro detekci anomálií. Detektor je založen na metodě k-nearest neighbors (k-NN). Schopnost rozpoznávání APT útoku v síťovém prostředí je ověřena implementací detektoru a jeho otestováním.
|
|
|
Detekce anomálií v chůzi chodců
Pokorný, Ondřej ; Orság, Filip (oponent) ; Goldmann, Tomáš (vedoucí práce)
Cílem práce bylo vytvořit systém pro detekci anomálií v záznamech chůze chodců. Jako základ aplikace použijeme již existující řešení pro extrakci souřadnic skeletu chodce OpenPose. Pro následnou detekci z hodnot souřadnic jsem se zaměřil na řešení pomocí neuronových sítí. K řešení jsem použil obousměrnou LSTM neuronovou síť, která během experimentování měla nejlepší hodnoty detekce. Výsledná aplikace zvládá detekci tří anomálií a to skoku, dřepu a kliku. Výstupem je video, ve kterém jsou nápisem označeny sekvence, které obsahují anomálii. Celý systém je implementovaný v jazyce Python a jeho běžně dostupných knihoven.
|
|
|
Detekce síťových útoků na základě NetFlow dat
Kulička, Vojtěch ; Tobola, Jiří (oponent) ; Žádník, Martin (vedoucí práce)
V současné době stále pokračuje dlouhodobý trend nárůstu kyberkriminality takřka po celém světě. Tato práce se zabývá stále sílící problematikou bezpečnosti síťového provozu, konkrétně detekcí útoků. V rámci práce je navržen program pro detekci anomálií na síti na základě NetFlow dat, za účelem důkladnější ochrany běžných uživatelů. Program je realizován metodou TCM-KNN využívající statistických odlišností útoků, čímž umožňuje zaznamenat i jejich nové, dříve neviděné instance
|
|
|
Detekce anomálií na základě stavu RQA systému
Lorenc, Jan ; Jeřábek, Kamil (oponent) ; Pluskal, Jan (vedoucí práce)
Cílem práce je navržení a implementace modelu strojového učení pro detekci anomálií v systému RQA firmy Y Soft. Vzhledem k architektuře mikroslužeb se anomálií rozumí opakovaně nezvyklá délka zpracování požadavků jednotlivými službami nebo výrazně odlišná chybovost. Práce popisuje aktuální způsob sběru dat v systému a řeší otázku, jaká data vypovídají o jeho stavu. Navrhuje vhodný formát ukládání těchto dat pro jejich následnou analýzu. Dále představuje algoritmy běžně používané k řešení problému detekce anomálií. V rámci práce je proveden návrh a implementace detekce anomálií s využitím shlukové analýzy a statistických metod. Na závěr je vyhodnocena kvalita detekce a dosažené výsledky.
|
|
|
Detekce anomálií v obraze
Salvet, Lukáš ; Herout, Adam (oponent) ; Juránek, Roman (vedoucí práce)
Tato práce se zabývá detekcí anomálií na průmyslových výrobcích. Hlavním požadavkem bylo, aby metoda vyžadovala v době konstrukce co nejméně dat s anomáliemi a aby byla snadno použitelná pro různé typy výrobků. V práci je navržena neuronová síť, která je nepřímo učena hledat rozdíly mezi dvěma obrázky. Samotná detekce anomálií by měla proběhnout na základě reprezentace vstupních dat v latentním prostoru, případně v kombinaci s rekonstrukční chybou. Byly navrženy a otestovány čtyři různé modifikace metody. Testování proběhlo hlavně na datasetu MVTec AD, který obsahuje průmyslové výrobky. Bohužel se nepotvrdil předpoklad, že pokud bude síť učena hledat rozdíly, bude možno latentní prostor lépe interpretovat. Metoda proto byla vyhodnocena v režimu rekonstrukční chyby, v kterém dosahuje srovnatelných výsledků s jinými metodami. Výsledek je nedostatečný pro použití v praxi.
|
|
|
Identifikace útoků u domácích IoT sítí
Matuš, Tomáš ; Pluskal, Jan (oponent) ; Ryšavý, Ondřej (vedoucí práce)
Cílem této bakalářské práce je návrh a realizace experimentálního prostředí pro domácí síť IoT založené na použití nástroje Home Assistant, testování různých vybraných útoků na tento systém pomocí penetračních nástrojů, návrh způsobu monitorování tohoto prostředí pomocí logů z nástroje Home Assistant, analýza nasbíraných monitorovaných dat, návrh detekční metody pro vybrané útoky a zhodnocení navržené metody detekce útoků.
|
|
|
Detekce anomálií ve videosekvencích na zařízeních s nízkým výpočetním výkonem
Bílek, František ; Ježek, Štěpán (oponent) ; Sikora, Pavel (vedoucí práce)
Bakalářská práce se zaměřuje na problematiku detekce anomálií ve videosekvencích na zařízeních s nízkým výpočetním výkonem. Popsány jsou tradiční i současné přístupy detekce anomálií z hlediska strojového učení a neuronových sítí. Cílem práce je implementovat efektivní a spolehlivý algoritmus, který bude detekovat anomálie v reálném čase. Důraz je kladen na minimalizaci výpočetních nároků a optimalizaci paměťového využití, aby bylo dosaženo efektivity na zařízeních s omezenými výpočetními kapacitami.
|
|
|
Aplikace strojového učení pro prediktivní údržbu v Průmyslu 4.0
Navrátil, Tadeáš ; Richter, Miloslav (oponent) ; Horák, Karel (vedoucí práce)
Práce zpracovává algoritmy strojového učení pro použití v konceptu Průmysl 4.0. Největší důraz je kladen na prediktivní údržbu a vizuální inspekci. V teoretické části je práce zaměřena na literární rešerši metod strojového učení v oblasti detekce anomálií v časových řadách a obrazových datech. V praktické části se zabývá reimplementací vybraných metod a jejich zhodnocení pomocí matice záměn a metrik, které z ní vycházejí.
|
|
|
Vizuální detekce anomálií v průmyslové výrobě
Lukaszczyk, Jakub ; Petyovský, Petr (oponent) ; Horák, Karel (vedoucí práce)
Práce se zabývá detekcí anomálií v obrazových datech pořízených na průmyslovém výrobku. V první části je nastíněna problematika a přístupy k jejímu řešení pomocí hlubokého učení. Dále jsou rozebrány některé z používaných architektur, které lze pro tuto úlohu použít. V praktické části je poté popsána platforma pro průmyslovou inspekci, použitý software a tvorba vlastního anotovaného datasetu. Poskytnutý software je rozšířen o funkcionalitu pro ovládání platformy a práci s více kamerami. Poslední část se zabývá experimenty, jejichž cílem je zjistit vliv datasetu na výsledný model a odhad jeho výkonnosti. Experimenty vyhodnocují vliv jak v trénovací, tak i v testovací fázi.
|
|
|
Detekce anomálií v průmyslových řídicích systémech na základě strojového učení
Tsymbal, Kateryna ; Holasová, Eva (oponent) ; Pospíšil, Ondřej (vedoucí práce)
Hlavním cílem této diplomové práci je navržení systému detekce anomálií a narušení v průmyslových řídících systémech s pomocí strojového učení. Teoretická část práce poskytuje základní teoretický přehled o průmyslových řídicích systémech a jejich bezpečnosti. Dále jsou zmíněny poznatky o technikách detekce anomálií a možných výzvách v této oblasti. V poslední řadě byla v teoretické části provedena rešerše různých řešení detekce anomálií v průmyslových řídících systémech pomocí strojového učení. V praktické části jsou aplikovány algoritmy strojového učení na zvolenou datovou sadu HAI. Na závěr jsou shrnuty poznatky o vhodnosti užitých algoritmů a možnosti dalšího výzkumu. Účelem této diplomové práce je zvýšení bezpečnosti průmyslových řídicích systémů, a výsledky mohou sloužit jako podklad pro budoucí vývoj účinnějších metod detekce anomálií v této oblasti.
|
host ::
RSS.