Отрывок: Примеры алгоритмов:  Q-обучение (Q-learning)  SARSA (state-action-reward-state-action)  Глубокое обучение с подкреплением (например, Deep Q-Networks) К достоинствам машинного обуче...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorБусловский В. Д.ru
dc.contributor.authorИванов Д. В.ru
dc.contributor.authorМинистерство науки и высшего образования Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.contributor.authorЕстественнонаучный институтru
dc.coverage.spatialDDoS-атакиru
dc.coverage.spatialалгоритм скользящего окнаru
dc.coverage.spatialинформационная безопасностьru
dc.coverage.spatialматематические моделиru
dc.coverage.spatialобнаружение атакru
dc.coverage.spatialпредсказания значенийru
dc.coverage.spatialсетевые атакиru
dc.coverage.spatialязык программирования Pythonru
dc.creatorБусловский В. Д.ru
dc.date.accessioned2024-02-08 11:25:57-
dc.date.available2024-02-08 11:25:57-
dc.date.issued2024ru
dc.identifierRU\НТБ СГАУ\ВКР20240206164110ru
dc.identifier.citationБусловский, В. Д. Разработка алгоритмов и программ для выявления атак с помощью модели ARIMA : вып. квалификац. работа по специальности 10.05.01 Компьютерная безопасность (уровень специалитета) / В. Д. Бусловский ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Естественнонауч. ин-т, Мех.-мат. фак., Каф. алгебры и геометрии ; рук. ВК. - Самаpа, 2024. - 1 файл (3,8 Мб). - Текст : электронныйru
dc.identifier.urihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Razrabotka-algoritmov-i-programm-dlya-vyyavleniya-atak-s-pomoshu-modeli-ARIMA-108601-
dc.description.abstractЗагл. с титул. экранаru
dc.description.abstractПроанализированы различные атаки в сетевом трафике и механизмы защиты. Создана математическая модель прогнозирования временных рядов ARIMA (p, d, q), которая представляет собой авторегрессионную интегрированную скользящую среднюю. Данная модель является комбинацией авторегрессионной модели (параметр р), параметра интегрирования (параметр d) и модели скользящего среднего (параметр q). Реализованы функции, которые позволяют визуализировать данные на графиках, определять оптимальные параметры p, d, q для модели ARIMA, построить прогноз на основе алгоритма скользящего окна. С помощью данной модели реализован прогноз на несколько точек, который послужил примером демонстрации обнаружения сетевых аномалий. Данные реализации позволили подобрать оптимальные параметры для модели ARIMA, совершить прогноз значений на несколько точек вперед, реализовать функции по обнаружению сетевых атак в сетевом трафике.ru
dc.titleРазработка алгоритмов и программ для выявления атак с помощью модели ARIMAru
dc.typeTextru
dc.subject.rugasnti50.37.23ru
dc.subject.udc004.056.55ru
dc.textpartПримеры алгоритмов:  Q-обучение (Q-learning)  SARSA (state-action-reward-state-action)  Глубокое обучение с подкреплением (например, Deep Q-Networks) К достоинствам машинного обуче...-
Располагается в коллекциях: Выпускные квалификационные работы




Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.