Використання машинного навчання для виявлення аномалій у мережевому трафіку

Abstract

Напрямок досліджень дипломної роботи пов'язаний із виявленням аномалій у мережевому трафіку та можливістю використання методу головних компонент для підвищення ефективності детекції. У процесі дослідження проведено аналіз існуючих методів виявлення аномалій, реалізовано метод головних компонент для зменшення розмірності даних, обрано оптимальний метод кластеризації для виявлення аномалій та розроблено практичні рекомендації щодо застосування методу виявлення аномалій.

The research direction of the thesis is related to anomaly detection in network traffic and the potential use of the principal component method to improve detection efficiency. During the research, an analysis of existing anomaly detection methods was conducted, the principal component method was implemented to reduce data dimensionality, an optimal clustering method for anomaly detection was selected, and practical recommendations for applying the anomaly detection method were developed.