|
|
Detection of modern Slow DoS attacks
Jurek, Michael ; Jonák, Martin (oponent) ; Sikora, Marek (vedoucí práce)
With the evolving number of interconnected devices, the number of attacks arises. Malicious actors can take advantage of such devices to create (D)DoS attacks against victims. These attack are being more and more sophisticated. New category of DoS attacks was discovered that tries to mimic standard user behavior -- Slow DoS Attacks. Malicious actor leverages transport protocol behavior to the highest option by randomly dropping packets, not sending or delaying messages, or on the other hand crafting special payloads causing DoS state of application server. This thesis proposes parameters of network flow that should help to identify chosen Slow DoS Attack. These parameters are divided into different categories describing single packets or whole flow. Selected Slow DoS Attack are Slow Read, Slow Drop and Slow Next. For each attack communication process is described on the transport and application layer level. Then important parameters describing given Slow DoS Attack are discussed. Last section sums up methods and tools of generation of these attacks. Next part deals with possibilities and tools to create such an attack, discuss basic communication concepts of creating parallel connections (multithreading, multiprocessing) and proposes own Slow DoS Attack generator with endless options of custom defined attacks. Next part describes testing environment for the attack generator and tools and scenarios of data capture with the goal of dataset creation. That dataset is used for subsequent detection using machine learning methods of supervised learning. Decision trees and random forest are used to detect important features of selected Slow DoS Attacks.
|
|
|
Rozpoznání dopravních prostředků pomocí signálů snímaných chytrým telefonem
Nevěčná, Leona ; Vítek, Martin (oponent) ; Smíšek, Radovan (vedoucí práce)
Díky vývoji v poslední době přibývá miniaturizovaných senzorů umísťovaných do chytrých telefonů jako jsou akcelerometr, gyroskop, magnetometr, přijímač souřadnic globálního pozičního systému (GPS), mikrofon a dalších. Použití těchto senzorů k rozpoznávání lidské aktivity, za účelem zlepšení péče o zdraví je stále více aktuálním tématem. Výhodou použití chytrého telefonu k sledování aktivity osob je, že se jedná o přístroj, který u sebe měřená osoba má a nejsou s měřením žádné dodatečné náklady, nevýhodou je omezená paměť i kapacita baterie. Proto byly vybrány pouze senzory akcelerometr, gyroskop, magnetometr a mikrofon, jejichž kombinací je dosaženo nejlepšího výsledku. Senzor GPS nebyl použit pro svou energetickou náročnost a hlavně nespolehlivost vzorkování. Z naměřených dat byly vypočítány příznaky, které byly použity pro tvorbu klasifikačního modelu. Nejvyšší úspěšnosti bylo dosaženo metodou strojového učení zvanou náhodný les (angl. Random Forest). Hlavním cílem práce je vytvořit algoritmus pro rozpoznání dopravních prostředků ze signálů naměřených chytrým telefonem. Vytvořený algoritmus zvládá rozpoznání chůze a jízdy autem, autobusem, tramvají, vlakem a na kole s úspěšností 97,4 % při validaci na 20 % pozdržených dat. Při testování na sadě dat od desátého dobrovolníka byla výsledná úspěšnost vypočítaná jako průměr úspěšností rozpoznání jednotlivých druhů přepravy 90,49 %.
|
|
|
Rozšiřující modul platformy 3D Slicer pro segmentaci tomografických obrazů
Chalupa, Daniel ; Jakubíček, Roman (oponent) ; Mikulka, Jan (vedoucí práce)
Tato práce pojednává o využití strojového učení při úlohách klasifikace medicínských obrazů. Obsahuje literární rešerši pojednávající o klasických a moderních metodách segmentace obrazů. Hlavním cílem práce je navržení a vytvoření rozšíření pro platformu 3D Slicer. Rozšíření využívá strojové učení ke klasifikaci obrazů dle zadaných parametrů. Testování rozšíření probíhá na reálných tomografických obrazech z nukleární magnetické rezonance a sleduje přesnost klasifikace a využitelnost v praxi.
|
|
|
Hledání anomálií v DNS provozu
Vraštiak, Pavel ; Slaný, Karel (oponent) ; Matoušek, Petr (vedoucí práce)
Tato diplomová práce je napsána ve spolupráci s firmou NIC.CZ a zabývá se anomáliemi v provozu systému DNS. Obsahuje popis základních principů tohoto systému a vlastností, kterými se jeho provoz vyznačuje. Účelem této práce je pokusit se vytvořit klasifikátor některých z anomálií v této práci uvedených a ověřit jeho schopnosti teoreticky i v praktických podmínkách.
|
|
|
Laptop Touchpad Palm Detection with AI/ML
Menzyński, Mark Alexander ; Kavetskyi, Andrii (oponent) ; Drahanský, Martin (vedoucí práce)
The situation about palm rejection for laptops is less than ideal. Most research focuses on touchscreens, and there is minimal research on touchpads. Some research is possibly done privately in laptop manufacturer companies, but the technology is lacking behind regardless. This thesis explores several shallow and deep machine learning models and finds their accuracy to be very much sufficient. In addition, a real-time proof of concept is implemented to demonstrate the model's capabilities.
|
|
|
Optimalizace strojového učení pro predikci KPI
Haris, Daniel ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Cieľom tejto práce je optimalizácia strojového učenia pre predikciu KPI metrík pre jednu organizáciu. Organizácia predpovedá oneskorenie termínov ukončenia poslednej fázy projektov v procese vývoja pomocou strojového učenia. Práca sa zameriava na analýzu predikčných modelov a stanoví si za cieľ vybrať nové kandidátne modely na predikciu. V rámci práce sme implementovali systém, ktorý automaticky vyberie najlepšie rysy pre učenie. Naučené modely sme vyhodnotili pomocou rôznych výkonnostných metrík a vybrali najlepšie kandidátne modely. Kandidátne modely majú vyššiu presnosť predpovede, čo pre organizáciu znamená, že sa zvýšila dôveryschopnosť predpovede oneskorenia. V závere práce sme navrhli ďalšie vylepšenia, ktoré by mohli zvýšiť presnosť predpovede.
|
|
|
Charakterizace tkání ve spektrálních CT datech
Poláková, Veronika ; Jan, Jiří (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato bakalářská práce se zabývala charakterizací tkání na virtuálních monoenergetických obrazech (VMI). Byla zpracována literární rešerše o spektrálním CT, díky kterému lze VMI vytvořit. Dále bylo provedeno statistické vyhodnocení CT čísel tkání napříč spektrem energií VMI. Bylo zjištěno, že medián CT čísla s rostoucí energií VMI roste, nebo klesá různě strmě v závislosti na tkáni. To přispívá k lepšímu kontrastnímu rozlišení vybraných dvojic tkání na vhodných VMI a tím pádem i jejich lepší segmentaci a klasifikaci na těchto obrazech.
|
|
|
Nástroj pro predikci atributů životního stylu na základě metagenomických dat z tlustého střeva
Kubica, Jan ; Hon, Jiří (oponent) ; Smatana, Stanislav (vedoucí práce)
Tato práce se zabývá analýzou lidského mikrobiomu na základě metagenomických dat z tlustého střeva. Předmětem zkoumání je zastoupení bakterií na různých taxonomických úrovních v závislosti na životním stylu jedince. Byl vytvořen nástroj klasifikující jednotlivé atributy, jako jsou stravovací návyky (vegetarián, vegan, všežravec), citlivost na lepek a laktózu, body mass index nebo věk či pohlaví, s využitím metod strojového učení. Při implementaci byly zvoleny metody k nejbližších sousedů (kNN), náhodný les (RF) a metoda podpůrných vektorů (SVM). Data pro natrénování klasifikátoru a vyhodnocení byla čerpána z projektu American Gut. Práce se rovněž zaobírá problémy spojenými s danými datovými sadami, jako je mnoharozměrnost, řídkost, jejich kompoziční závislost a nevyváženost.
|
|
|
Genetické programování v úlohách predikce
Machač, Michal ; Mrázek, Vojtěch (oponent) ; Sekanina, Lukáš (vedoucí práce)
V této práci jsou představeny různé metody strojového učení, jež lze využít v úlohách predikce založených na regresi. Detailněji je popsáno stromové a lineární genetické programování. S vybranými algoritmy strojového učení (lineární regrese, náhodný les, vícevrstvý perceptron a stromové genetické programování) jsou provedeny experimenty na volně dostupných datových sadách za využití knihoven scikit-learn a gplearn, a získané výsledky jsou porovnány z pohledu kvality predikce. Stěžejní částí této práce byla implementace systému lineárního genetického programování v programovacím jazyce C++, která byla nejprve testována na umělých úlohách symbolické regrese, a následně na reálných datových sadách. Výsledky získané pomocí vytvořené implementace jsou porovnány vůči výsledkům získaným pomocí knihovny gplearn.
|
|
|
Využití strojového učení pro predikci vlivu mutací na stabilitu proteinů
Dúbrava, Juraj Ondrej ; Martínek, Tomáš (oponent) ; Musil, Miloš (vedoucí práce)
Táto práca sa zaoberá predikciou vplyvu aminokyselinových mutácií na stabilitu proteínu. Cieľom bolo vytvorenie nástroja klasifikujúceho výsledný charakter mutácie s využitím kombinácie viacerých metód strojového učenia. Implementovaný prístup kombinujúci metódy SVM a Random Forest dosiahol lepšie výsledky ako použitie metód samostatne. Nástroj bol porovnaný s dostupnými nástrojmi na nezávislom datasete na ktorom dosiahol úspešnosť predikcie 67 % a koreláciu 0,3.
|
host ::
RSS.