dc.contributor.author |
Таценко, А. С.
|
|
dc.date.accessioned |
2021-06-09T07:46:03Z |
|
dc.date.available |
2021-06-09T07:46:03Z |
|
dc.date.issued |
2021 |
|
dc.identifier.uri |
http://ir.stu.cn.ua/123456789/22474 |
|
dc.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. |
en_US |
dc.description.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. |
en_US |
dc.language.iso |
uk |
en_US |
dc.publisher |
Чернігів |
en_US |
dc.subject |
інформаційна безпека |
en_US |
dc.subject |
соціальна мережа |
en_US |
dc.subject |
обробка природної мови |
en_US |
dc.subject |
аналіз токсичності |
en_US |
dc.subject |
нейронна мережа |
en_US |
dc.title |
Підсистема визначення рівня безпеки аккаунту з використанням методів машинного навчання в системі виявлення кіберзагроз |
en_US |
dc.type |
Thesis |
en_US |
dc.description.abstractalt1 |
The purpose of this qualification work is to develop a subsystem for determining the level of account security using machine learning methods in the cyber threat detection system.
The object of research are models and methods of artificial intelligence in the field of processing and intellectual analysis of natural language data.
The subject of research are methods and systems of machine learning, on the marked examples for construction of model of forecasting of many class classification of texts The methods of research were the method of processing text data into a vector form (Word2Vec), logistic regression, the method of naive bayes and the convolutional neural network LSTM (RNN). With these methods you can make decisions for business, political purposes, etc.
Recently, a large number of people share their opinions via the Internet, so in the information age, this approach to the analysis of public opinion requires attention and is quite relevant.
The system of classification of account security level is offered in the work.
Careful design of systems is executed. The software was implemented using the Python programming language with the support of open source software libraries for machine learning TensorFlow, machine learning backend Keras and Sckit Learn. The subsystem was implemented on the basis of the Flask web framework.
The results are presented in the form of tables and illustrations that demonstrate the correctness of the choice of methods for highlighting the essential features, as well as an example of the classification of messages.
The results of the work can be used to further develop a system for searching for toxic messages on social networks, or be retrained to search for messages of another nature, such as terrorist. |
en_US |