|
|
Anomaly and threat detection in audit logs using machine learning
Ludes, Adam ; Ježek, Štěpán (oponent) ; Tomašov, Adrián (vedoucí práce)
The thesis explores cloud-native architecture, anomaly detection techniques, machine learning, and data analysis to develop an anomaly detection model for audit logs from the Red Hat OpenShift Container Platform. Statistical methods and time series analysis for anomaly detection are introduced, while machine learning models and preprocessing techniques are implemented and evaluated. The results demonstrate limitations in traditional models for handling anomalies in deeply nested data, while the NLP model shows robust performance. This research provides valuable insights and is a reference for researchers and practitioners in cloud-native architecture, anomaly detection, machine learning, and data analysis.
|
|
|
Reengineering dvouvrstvých aplikací
Oberreiter, Michal ; Rychlý, Marek (oponent) ; Burget, Radek (vedoucí práce)
Tato práce se zabývá analýzou problematiky reengineeringu v kontextu modernizace dvouvrstvých aplikací. Na základě dostupné literatury je popsána metodologie, přístupy a možné strategie k realizaci reengineeringu. Z pohledu softwarových architektur, které práce popisuje a vzájemně porovnává, jsou diskutována konkrétní řešení vybraných problémů v různých architekturách. Pro aplikaci principů reengineeringu je zvolena ve spolupráci se společností I&C Energo reálná aplikace Systém správy kabeláže. Stávající řešení je analyzováno, nedostatky identifikovány. Na základě zmapovaných technik je navrhnuto cloud-native řešení v architektuře mikroslužeb, které je následně implementováno a popsáno. Výstupem práce je případová studie aplikace reengineeringu na Systému správy kabeláže.
|
|
|
Anomaly and threat detection in audit logs using machine learning
Ludes, Adam ; Ježek, Štěpán (oponent) ; Tomašov, Adrián (vedoucí práce)
The thesis explores cloud-native architecture, anomaly detection techniques, machine learning, and data analysis to develop an anomaly detection model for audit logs from the Red Hat OpenShift Container Platform. Statistical methods and time series analysis for anomaly detection are introduced, while machine learning models and preprocessing techniques are implemented and evaluated. The results demonstrate limitations in traditional models for handling anomalies in deeply nested data, while the NLP model shows robust performance. This research provides valuable insights and is a reference for researchers and practitioners in cloud-native architecture, anomaly detection, machine learning, and data analysis.
|
|
|
Reengineering dvouvrstvých aplikací
Oberreiter, Michal ; Rychlý, Marek (oponent) ; Burget, Radek (vedoucí práce)
Tato práce se zabývá analýzou problematiky reengineeringu v kontextu modernizace dvouvrstvých aplikací. Na základě dostupné literatury je popsána metodologie, přístupy a možné strategie k realizaci reengineeringu. Z pohledu softwarových architektur, které práce popisuje a vzájemně porovnává, jsou diskutována konkrétní řešení vybraných problémů v různých architekturách. Pro aplikaci principů reengineeringu je zvolena ve spolupráci se společností I&C Energo reálná aplikace Systém správy kabeláže. Stávající řešení je analyzováno, nedostatky identifikovány. Na základě zmapovaných technik je navrhnuto cloud-native řešení v architektuře mikroslužeb, které je následně implementováno a popsáno. Výstupem práce je případová studie aplikace reengineeringu na Systému správy kabeláže.
|
host ::
RSS.