Розроблення методів аналізу даних для виявлення аномальних змін у системах зв'язку та мережах зв'язку

Abstract

Магістерська кваліфікаційна робота виконана студентом групи КНСШ-14 Дубравським Іваном Володимировичем. Тема «Розроблення методів аналізу даних для виявлення аномальних змін у системах та мережах зв'язку». Робота спрямована на отримання ступеня магістра за спеціальністю 122 «Комп’ютерні науки». Мета роботи полягає в розробці методів аналізу даних для виявлення аномальних змін у системах та мережах зв'язку. Досягнення цієї мети передбачає створення нових методів аналізу даних, що забезпечують більш точне та ефективне виявлення аномалій. Основні завдання дослідження включають: 1. Аналіз і класифікацію можливих аномалій у системах зв'язку та мережах зв'язку. 2. Розробку методів виявлення аномалій на основі аналізу даних, включаючи алгоритми машинного навчання та статистичні підходи. 3. Вдосконалення методів виявлення аномалій для зниження кількості помилкових спрацьовувань та підвищення ефективності. Дослідження передбачає використання реальних даних з мереж і систем зв'язку для апробації розроблених методів та порівняння їх ефективності. Комплексний підхід до аналізу даних включатиме сучасні техніки машинного навчання. У роботі розроблено методи аналізу даних для виявлення аномальних змін у системах та мережах зв'язку. Для зміцнення та консолідації ролі штучного інтелекту в забезпеченні безпеки мереж, ця робота досліджує, як штучний інтелект може бути використаний у сфері безпеки мереж. В результаті розроблено нову систему виявлення аномалій для мереж зв’язку на основі ансамблю навчання. Отримані результати цієї роботи можуть бути корисними для покращення безпеки та ефективності систем та мереж зв'язку, особливо у виявленні атак, внутрішніх аномалій та системних відмов. The master’s qualification thesis was completed by the student of the KNSSh24 group, Ivan Volodymyrovych Dubravsky. The topic "Anomaly Detection Techniques in Communication and Network Systems" The work is aimed at obtaining a master’s degree in the specialty 122 "Computer Science". The goal of the work is to develop data analysis methods for detecting anomalous changes in communication systems and networks. Achieving this goal involves creating new data analysis methods that provide more accurate and efficient anomaly detection. The main research tasks include: 1. Analysis and classification of possible anomalies in communication systems and networks. 2. Development of anomaly detection methods based on data analysis, including machine learning algorithms and statistical approaches. 3. Improvement of anomaly detection methods to reduce the number of false positives and increase efficiency. The research involves using real data from communication networks and systems to test the developed methods and compare their effectiveness. A comprehensive approach to data analysis will include modern machine learning techniques. The thesis introduces data analysis methods for detecting anomalous changes in communication systems and networks. To strengthen and consolidate the role of artificial intelligence in network security, this work examines how artificial intelligence can be employed in the field of network security. As a result, a new anomaly detection system for communication networks based on ensemble learning has been developed. The findings of this work can be valuable for enhancing the security and efficiency of communication and network systems, particularly in detecting attacks, internal anomalies, and system failures.