prikaz prve stranice dokumenta Sustav za otkrivanje upada u mrežu zasnovan na algoritmu strojnog učenja
  Preuzmi
PDF 2.69 MB
diplomski rad
Sustav za otkrivanje upada u mrežu zasnovan na algoritmu strojnog učenja
Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. urn:nbn:hr:200:293219
Varvodić, Benjamin
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za komunikacije
Katedra za elektroniku i mikroelektroniku

Institucijski repozitorij: Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek

Citirajte ovaj rad

Varvodić, B. (2024). Sustav za otkrivanje upada u mrežu zasnovan na algoritmu strojnog učenja (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:293219

Varvodić, Benjamin. "Sustav za otkrivanje upada u mrežu zasnovan na algoritmu strojnog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:293219

Varvodić, Benjamin. "Sustav za otkrivanje upada u mrežu zasnovan na algoritmu strojnog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2024. https://urn.nsk.hr/urn:nbn:hr:200:293219

Varvodić, B. (2024). 'Sustav za otkrivanje upada u mrežu zasnovan na algoritmu strojnog učenja', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 23.11.2024., https://urn.nsk.hr/urn:nbn:hr:200:293219

Varvodić B. Sustav za otkrivanje upada u mrežu zasnovan na algoritmu strojnog učenja [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2024 [pristupljeno 23.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:293219

B. Varvodić, "Sustav za otkrivanje upada u mrežu zasnovan na algoritmu strojnog učenja", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2024. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:293219

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:293219
Podaci o radu
NaslovSustav za otkrivanje upada u mrežu zasnovan na algoritmu strojnog učenja
Naslov (engleski)Network intrusion detection system based on machine learning algorithm
AutorBenjamin Varvodić
MentorMarijan Herceg (mentor)
MentorDenis Vranješ (sumentor)
Član povjerenstvaMario Vranješ (predsjednik povjerenstva)
Član povjerenstvaDenis Vranješ (član povjerenstva)
Član povjerenstvaRatko Grbić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za komunikacije)
(Katedra za elektroniku i mikroelektroniku)
Osijek
Datum i država obrane2024-10-01, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Telekomunikacije i informatika
Sažetak
U ovom radu istražena je primjena algoritama strojnog i dubokog učenja za detekciju upada u mrežu (engl. Intrusion Detection System, IDS). U radu je izrađena baza podataka simuliranih napada, pregled, odabir i implementacija različitih algoritama strojnog i dubokog učenja, te evaluacija njihove učinkovitosti za višeklasnu klasifikaciju. U bazi podataka realizirano je 5 vrsta napada: SYN flood, UDP flood, DNS amplification, smurf napad i port scanning. Predložena je struktura hibrida CNN-a (engl. Convolutional Neural Network) i LSTM-a (engl. Long short term memory) radi istraživanja uporabe dobrih strana oba algoritma. Algoritmi poput CNN-a i predloženog CNN LSTM hibrida, pokazali su visoku učinkovitost, dok je Histogram Gradient Boosting Classifier (HGBC) nadmašio ostale, ali pod cijenu potencijalnog pretreniranja. Zaključak rada je da je hibridni pristup CNN LSTM vrlo korisna kombinacija dvaju moćnih algoritama dubokog učenja, jedina prepreka je pronalazak optimalnih parametara.
Sažetak (engleski)
In this paper, the application of machine and deep learning algorithms for an intrusion detection system is explored. The paper includes the creation of a simulated attack database, review, selection and implementation of various machine and deep learning algorithms as well as the evaluation of their multiclass classification effectiveness. 5 network attacks were succesfully recreated for use in the database: SYN flood, UDP flood, DNS amplification, smurf attack and port scanning. A hybrid convolutional neural network (CNN) and long short term memory (LSTM) structure is suggested, to use the good sides of both algorithms. Algorithms such as CNN and the suggested CNN LSTM hybrid have shown very high efficiency, while the Histogram Gradient Boosting Classifier (HGBC) surpassed all of the evaluated algorithms, albeit at the cost of potential overfitting issues. The conclusion of the paper is that the hybrid CNN LSTM approach is a very efficient combination of two exceptionally powerful deep learning algorithms, while the only obstruction being the tuning of parameters.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:293219
Studijski programNaziv: Automobilsko računarstvo i komunikacije
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: sveučilišni/a magistar/magistra inženjer/inženjerka automobilskog računarstva i komunikacija (univ. mag. ing. comp. et comm. techn.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-10-04 12:40:42