Abstract:
Метою даної кваліфікаційної роботи є розробка підсистеми визначення рівня безпеки аккаунту з використанням методів машинного навчання в системі виявлення кіберзагроз.
Об’єктом дослідження є моделі та методи штучного інтелекту в галузі обробки та інтелектуального аналізу даних природніх мов.
Предметом дослідження є методи та системи машинного навчання, на розмічених прикладах для побудови моделі прогнозування багато класової класифікації текстів Методами дослідження стали – метод обробки текстових даних до векторного виду (Word2Vec), логістична регресія, метод наівних баєсів та згорткова нейронна мережа LSTM (RNN). За допомогою цих методів можна приймати рішення для бізнесу, в політичних цілях і т.п.
Останнім часом велика кількість людей діляться своєю думкою через Інтернет, тому в епоху інформації даний підхід до аналізу думки громадськості вимагає своєї уваги і є достатньо актуальним.
В роботі запропоновано система класифікаціі рівня безпеки акаунтів.
Виконане ретельне проектування систем. Програмна реалізація була здійснена за допомогою мови програмування Python за підтримки відкритих програмних бібліотек для машинного навчання TensorFlow, бекенду машинного навчання Keras та Sckit Learn. Підсистема була реалізована за на основі веб-фреймворку Flask.
Результати роботи викладені у вигляді таблиць та ілюстрацій, що демонструють правильність вибору методів виділення суттєвих ознак, а також прикладу класифікації повідомлень.
Результати роботи можуть бути використані для подальшої розробки системи пошуку токсичних повідомлень у соціальних мережах, або бути перекваліфікованими для пошуку повідомлень іншого характеру, наприклад, терористичних.
Description:
Таценко, А. С. Підсистема визначення рівня безпеки аккаунту з використанням методів машинного навчання в системі виявлення кіберзагроз : магістерська робота : 121 Інженерія програмного забезпечення, ОНП / А. С. Таценко ; керівник роботи М. С. Дорош ; НУ «Чернігівська політехніка», кафедра інформаційних технологій і програмної інженерії. – Чернігів, 2021. – 91 с.