| |
| |
|
On possible approaches to detecting robotic activity of botnets
Prajer, Richard ; Palovský, Radomír (advisor) ; Pavlíček, Luboš (referee)
This thesis explores possible approaches to detecting robotic activity of botnets on network. Initially, the detection based on full packet analysis in consideration of DNS, HTTP and IRC communication, is described. However, this detection is found inapplicable for technical and ethical reasons. Then it focuses on the analysis based on network flow metadata, compiling them to be processable in machine learning. It creates detection models using different machine learning methods, to compare them with each other. Bayes net method is found to be acceptable for detecting robotic activity of botnets. The Bayesian model is only able to identify the botnet that already executes the commands sent by its C&C server. "Sleeping" botnets are not reliably detectable by this model.
|
| |
| |
| |
| |
|
Noise, Transport and Structural Properties of High Energy Radiation Detectors Based on CdTe
Šik, Ondřej ; Lazar, Josef (referee) ; Navrátil, Vladislav (referee) ; Grmela, Lubomír (advisor)
Poptávka ze strany vesmírného výzkumu, zdravotnictví a bezpečnostního průmyslu způsobila v posledních letech zvýšený zájem o vývoj materiálů pro detekci a zobrazování vysokoenergetického záření. CdTe a jeho slitina CdZnTe. jsou polovodiče umožnují detekci záření o energiích v rozsahu 10 keV až 500 keV. Šířka zakázaného pásma u CdTe / CdZnTe je 1.46 -1.6 eV, což umožňuje produkci krystalů o vysoké rezistivitě (10^10-10^11 cm), která je dostačující pro použití CdTe / CdZnTe při pokojové teplotě. V mé práci byly zkoumány detektory CdTe/CdZnTe v různých stádiích jejich poruchovosti. Byly použity velmi kvalitní spektroskopické detektory, materiál s nižší rezistivitou a výraznou polarizací, detektory s asymetrií elektrických parametrů kontaktů a teplotně degenerované vzorky. Z výsledků analýzy nízkofrekvenčního šumu je patrný obecný závěr, že zvýšená koncentrace defektů způsobí změnu povahy původně monotónního spektra typu 1/f na spektrum s výrazným vlivem generačně-rekombinačních procesů. Další výrazná vlastnost degenerovaných detektorů a detektorů nižší kvality je nárůst spektrální hustoty šumu typu 1/f se vzrůstajícím napájecím napětí se směrnicí výrazně vyšší než 2. Strukturální a chemické analýzy poukázaly, že teplotní generace detektorů způsobuje difuzi kovu použitého při kontaktování a stopových prvků hlouběji do objemu krystalu. Část mé práce je věnována modifikaci povrchu svazkem argonových iontů a jejímu vlivu na chemické složení a morfologii povrchu.
|
|
Exploitation of GPU in graphics and image processing algorithms
Jošth, Radovan ; Svoboda, David (referee) ; Trajtel,, Ľudovít (referee) ; Herout, Adam (advisor)
Táto práca popisuje niekoľko vybraných algoritmov, ktoré boli primárne vyvinuté pre CPU procesory, avšak vzhľadom k vysokému dopytu po ich vylepšeniach sme sa rozhodli ich využiť v prospech GPGPU (procesorov grafického adaptéra). Modifikácia týchto algoritmov bola zároveň cieľom nášho výskumu, ktorý bol prevedený pomocou CUDA rozhrania. Práca je členená podľa troch skupín algoritmov, ktorým sme sa venovali: detekcia objektov v reálnom čase, spektrálna analýza obrazu a detekcia čiar v reálnom čase. Pre výskum detekcie objektov v reálnom čase sme zvolili použitie LRD a LRP funkcií. Výskum spektrálnej analýzy obrazu bol prevedný pomocou PCA a NTF algoritmov. Pre potreby skúmania detekcie čiar v reálnom čase sme používali dva rôzne spôsoby modifikovanej akumulačnej schémy Houghovej transformácie. Pred samotnou časťou práce venujúcej sa konkrétnym algoritmom a predmetu skúmania, je v úvodných kapitolách, hneď po kapitole ozrejmujúcej dôvody skúmania vybranej problematiky, stručný prehľad architektúry GPU a GPGPU. Záverečné kapitoly sú zamerané na konkretizovanie vlastného prínosu autora, jeho zameranie, dosiahnuté výsledky a zvolený prístup k ich dosiahnutiu. Súčasťou výsledkov je niekoľko vyvinutých produktov.
|
|
Acceleration of Object Detection Using Classifiers
Juránek, Roman ; Kälviäinen, Heikki (referee) ; Sojka, Eduard (referee) ; Zemčík, Pavel (advisor)
Detekce objektů v počítačovém vidění je složítá úloha. Velmi populární a rozšířená metoda pro detekci je využití statistických klasifikátorů a skenovacích oken. Pro učení kalsifikátorů se často používá algoritmus AdaBoost (nebo jeho modifikace), protože dosahuje vysoké úspěšnosti detekce, nízkého počtu chybných detekcí a je vhodný pro detekci v reálném čase. Implementaci detekce objektů je možné provést různými způsoby a lze využít vlastnosti konkrétní architektury, pro urychlení detekce. Pro akceleraci je možné využít grafické procesory, vícejádrové architektury, SIMD instrukce, nebo programovatelný hardware. Tato práce představuje metodu optimalizace, která vylepšuje výkon detekce objektů s ohledem na cenovou funkci zadanou uživatelem. Metoda rozděluje předem natrénovaný klasifikátor do několika různých implementací, tak aby celková cena klasifikace byla minimalizována. Metoda je verifikována na základním experimentu, kdy je klasifikátor rozdělen do předzpracovací jednotku v FPGA a do jednotky ve standardním PC.
|
guest ::
