Dissertation/ Thesis
Προβολή σε EDS

Development of methods and algorithms for intrusion detection and prevention systems based on statistical methods and sustainable machine learning algorithms : master's thesis

Λεπτομέρειες βιβλιογραφικής εγγραφής
Τίτλος: Development of methods and algorithms for intrusion detection and prevention systems based on statistical methods and sustainable machine learning algorithms : master's thesis
Συγγραφείς: Kirin, E.
Συνεισφορές: Агбозо, Э., Медведев, М. А, Agbozo, E., Medvedev, M. A., УрФУ. Институт радиоэлектроники и информационных технологий-РТФ, Базовая кафедра «Аналитика больших данных и методы видеоанализа»
Στοιχεία εκδότη: б. и., 2025.
Έτος έκδοσης: 2025
Θεματικοί όροι: СЕТЕВАЯ АНОМАЛИЯ, СТАТИСТИЧЕСКИЕ МЕТОДЫ, STATISTICAL METHODS, МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ, MASTER'S THESIS, СИСТЕМЫ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ, INTRUSION DETECTION SYSTEMS, MACHINE LEARNING METHODS, NETWORK ANOMALY, МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ
Περιγραφή: Исследование уязвимостей систем обнаружения вторжений (IDS/IPS) в алгоритмах, основанных на статистических методах и методах машинного обучения, является актуальной темой в силу постоянного роста киберугроз в нынешнее время, необходимости защиты конфиденциальности данных, применения новейших технологий и распространенности использования методов машинного обучения в области информационной безопасности. Практическая значимость исследования заключается в следующем: результаты исследования позволят выявить уязвимости в системах обнаружения вторжений (IDS/IPS), что способствует повышению общего уровня безопасности информационных систем; изучение алгоритмов, основанных на статистических методах и методах машинного обучения, позволит разработать новые методы защиты от атак и внедрить их в существующие системы IDS/IPS; полученные результаты могут быть использованы для обучения специалистов по информационной безопасности, что способствует повышению уровня квалификации и подготовки кадров в данной области.
The study of vulnerabilities in intrusion detection systems (IDS/IPS) in algorithms based on statistical and machine learning methods is a relevant topic due to the constant growth of cyber threats in the present time, the need to protect data privacy, the application of the latest technologies and the prevalence of the use of machine learning methods in the field of information security. The practical significance of the study is as follows: the results of the study will allow to identify vulnerabilities in intrusion detection systems (IDS/IPS), which helps to improve the overall level of security of information systems; the study of algorithms based on statistical and machine learning methods will allow to develop new methods of protection against attacks and implement them in existing IDS/IPS systems; the obtained results can be used to train information security specialists, which helps to improve the level of security of information systems.
Τύπος εγγράφου: Master thesis
Περιγραφή αρχείου: application/pdf
Γλώσσα: English
Σύνδεσμος πρόσβασης: http://elar.urfu.ru/handle/10995/140618
Αριθμός Καταχώρησης: edsair.od.......917..7fa4531d27e652766e49e917f58ad209
Βάση Δεδομένων: OpenAIRE
FullText Text:
  Availability: 0
Header DbId: edsair
DbLabel: OpenAIRE
An: edsair.od.......917..7fa4531d27e652766e49e917f58ad209
RelevancyScore: 887
AccessLevel: 3
PubType: Dissertation/ Thesis
PubTypeId: dissertation
PreciseRelevancyScore: 886.737670898438
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: Development of methods and algorithms for intrusion detection and prevention systems based on statistical methods and sustainable machine learning algorithms : master's thesis
– Name: Author
  Label: Authors
  Group: Au
  Data: <searchLink fieldCode="AR" term="%22Kirin%2C+E%2E%22">Kirin, E.</searchLink>
– Name: Author
  Label: Contributors
  Group: Au
  Data: Агбозо, Э.<br />Медведев, М. А<br />Agbozo, E.<br />Medvedev, M. A.<br />УрФУ. Институт радиоэлектроники и информационных технологий-РТФ<br />Базовая кафедра «Аналитика больших данных и методы видеоанализа»
– Name: Publisher
  Label: Publisher Information
  Group: PubInfo
  Data: б. и., 2025.
– Name: DatePubCY
  Label: Publication Year
  Group: Date
  Data: 2025
– Name: Subject
  Label: Subject Terms
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22СЕТЕВАЯ+АНОМАЛИЯ%22">СЕТЕВАЯ АНОМАЛИЯ</searchLink><br /><searchLink fieldCode="DE" term="%22СТАТИСТИЧЕСКИЕ+МЕТОДЫ%22">СТАТИСТИЧЕСКИЕ МЕТОДЫ</searchLink><br /><searchLink fieldCode="DE" term="%22STATISTICAL+METHODS%22">STATISTICAL METHODS</searchLink><br /><searchLink fieldCode="DE" term="%22МАГИСТЕРСКАЯ+ДИССЕРТАЦИЯ%22">МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ</searchLink><br /><searchLink fieldCode="DE" term="%22MASTER'S+THESIS%22">MASTER'S THESIS</searchLink><br /><searchLink fieldCode="DE" term="%22СИСТЕМЫ+ОБНАРУЖЕНИЯ+ВТОРЖЕНИЙ%22">СИСТЕМЫ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ</searchLink><br /><searchLink fieldCode="DE" term="%22INTRUSION+DETECTION+SYSTEMS%22">INTRUSION DETECTION SYSTEMS</searchLink><br /><searchLink fieldCode="DE" term="%22MACHINE+LEARNING+METHODS%22">MACHINE LEARNING METHODS</searchLink><br /><searchLink fieldCode="DE" term="%22NETWORK+ANOMALY%22">NETWORK ANOMALY</searchLink><br /><searchLink fieldCode="DE" term="%22МЕТОДЫ+МАШИННОГО+ОБУЧЕНИЯ%22">МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ</searchLink>
– Name: Abstract
  Label: Description
  Group: Ab
  Data: Исследование уязвимостей систем обнаружения вторжений (IDS/IPS) в алгоритмах, основанных на статистических методах и методах машинного обучения, является актуальной темой в силу постоянного роста киберугроз в нынешнее время, необходимости защиты конфиденциальности данных, применения новейших технологий и распространенности использования методов машинного обучения в области информационной безопасности. Практическая значимость исследования заключается в следующем: результаты исследования позволят выявить уязвимости в системах обнаружения вторжений (IDS/IPS), что способствует повышению общего уровня безопасности информационных систем; изучение алгоритмов, основанных на статистических методах и методах машинного обучения, позволит разработать новые методы защиты от атак и внедрить их в существующие системы IDS/IPS; полученные результаты могут быть использованы для обучения специалистов по информационной безопасности, что способствует повышению уровня квалификации и подготовки кадров в данной области.<br />The study of vulnerabilities in intrusion detection systems (IDS/IPS) in algorithms based on statistical and machine learning methods is a relevant topic due to the constant growth of cyber threats in the present time, the need to protect data privacy, the application of the latest technologies and the prevalence of the use of machine learning methods in the field of information security. The practical significance of the study is as follows: the results of the study will allow to identify vulnerabilities in intrusion detection systems (IDS/IPS), which helps to improve the overall level of security of information systems; the study of algorithms based on statistical and machine learning methods will allow to develop new methods of protection against attacks and implement them in existing IDS/IPS systems; the obtained results can be used to train information security specialists, which helps to improve the level of security of information systems.
– Name: TypeDocument
  Label: Document Type
  Group: TypDoc
  Data: Master thesis
– Name: Format
  Label: File Description
  Group: SrcInfo
  Data: application/pdf
– Name: Language
  Label: Language
  Group: Lang
  Data: English
– Name: URL
  Label: Access URL
  Group: URL
  Data: <link linkTarget="URL" linkTerm="http://elar.urfu.ru/handle/10995/140618" linkWindow="_blank">http://elar.urfu.ru/handle/10995/140618</link>
– Name: AN
  Label: Accession Number
  Group: ID
  Data: edsair.od.......917..7fa4531d27e652766e49e917f58ad209
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsair&AN=edsair.od.......917..7fa4531d27e652766e49e917f58ad209
RecordInfo BibRecord:
  BibEntity:
    Languages:
      – Text: English
    Subjects:
      – SubjectFull: СЕТЕВАЯ АНОМАЛИЯ
        Type: general
      – SubjectFull: СТАТИСТИЧЕСКИЕ МЕТОДЫ
        Type: general
      – SubjectFull: STATISTICAL METHODS
        Type: general
      – SubjectFull: МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ
        Type: general
      – SubjectFull: MASTER'S THESIS
        Type: general
      – SubjectFull: СИСТЕМЫ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ
        Type: general
      – SubjectFull: INTRUSION DETECTION SYSTEMS
        Type: general
      – SubjectFull: MACHINE LEARNING METHODS
        Type: general
      – SubjectFull: NETWORK ANOMALY
        Type: general
      – SubjectFull: МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ
        Type: general
    Titles:
      – TitleFull: Development of methods and algorithms for intrusion detection and prevention systems based on statistical methods and sustainable machine learning algorithms : master's thesis
        Type: main
  BibRelationships:
    HasContributorRelationships:
      – PersonEntity:
          Name:
            NameFull: Kirin, E.
      – PersonEntity:
          Name:
            NameFull: Агбозо, Э.
      – PersonEntity:
          Name:
            NameFull: Медведев, М. А
      – PersonEntity:
          Name:
            NameFull: Agbozo, E.
      – PersonEntity:
          Name:
            NameFull: Medvedev, M. A.
      – PersonEntity:
          Name:
            NameFull: УрФУ. Институт радиоэлектроники и информационных технологий-РТФ
      – PersonEntity:
          Name:
            NameFull: Базовая кафедра «Аналитика больших данных и методы видеоанализа»
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 13
              M: 01
              Type: published
              Y: 2025
          Identifiers:
            – Type: issn-locals
              Value: edsair
ResultId 1