Primjena metoda strojnog učenja za otkrivanje upada u sustav

Lunder, Domagoj

prikaz prve stranice dokumenta Primjena metoda strojnog učenja za otkrivanje upada u sustav

Download
PDF 1.04 MB

undergraduate thesis

Primjena metoda strojnog učenja za otkrivanje upada u sustav

Varaždin: University of Zagreb, Faculty of Organization and Informatics, 2023. urn:nbn:hr:211:736875

Lunder, Domagoj

University of Zagreb
Faculty of Organization and Informatics
Department of Information Systems Development

Cite this document

APA 6th Edition

Lunder, D. (2023). Primjena metoda strojnog učenja za otkrivanje upada u sustav (Undergraduate thesis). Varaždin: University of Zagreb, Faculty of Organization and Informatics. Retrieved from https://urn.nsk.hr/urn:nbn:hr:211:736875

MLA 8th Edition

Lunder, Domagoj. "Primjena metoda strojnog učenja za otkrivanje upada u sustav." Undergraduate thesis, University of Zagreb, Faculty of Organization and Informatics, 2023. https://urn.nsk.hr/urn:nbn:hr:211:736875

Chicago 17th Edition

Lunder, Domagoj. "Primjena metoda strojnog učenja za otkrivanje upada u sustav." Undergraduate thesis, University of Zagreb, Faculty of Organization and Informatics, 2023. https://urn.nsk.hr/urn:nbn:hr:211:736875

Harvard

Lunder, D. (2023). 'Primjena metoda strojnog učenja za otkrivanje upada u sustav', Undergraduate thesis, University of Zagreb, Faculty of Organization and Informatics, accessed 24 December 2024, https://urn.nsk.hr/urn:nbn:hr:211:736875

Vancouver

Lunder D. Primjena metoda strojnog učenja za otkrivanje upada u sustav [Undergraduate thesis]. Varaždin: University of Zagreb, Faculty of Organization and Informatics; 2023 [cited 2024 December 24] Available at: https://urn.nsk.hr/urn:nbn:hr:211:736875

IEEE

D. Lunder, "Primjena metoda strojnog učenja za otkrivanje upada u sustav", Undergraduate thesis, University of Zagreb, Faculty of Organization and Informatics, Varaždin, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:211:736875

Cite this item: https://urn.nsk.hr/urn:nbn:hr:211:736875

Please login to the repository to save this object to your list.

Metadata

Title	Primjena metoda strojnog učenja za otkrivanje upada u sustav
Title (english)	Machine learning methods for intrusion detection
Author	Domagoj Lunder
Mentor	Darko Andročec (mentor) MBZ: 318652
Committee member	Dijana Oreški (član povjerenstva) MBZ: 318615
Granter	University of Zagreb Faculty of Organization and Informatics (Department of Information Systems Development) Varaždin
Defense date and country	2023-09-12, Croatia
Scientific / art field, discipline and subdiscipline	SOCIAL SCIENCES Information and Communication Sciences Organization and Informatics
Abstract	Rad prikazuje implementaciju strojnog učenja u svrhe analize komunikacije računalne mreže kako bi se otkrili potencijalni napadi sustava. Početno je objašnjeno koje se tehnologije koriste za zaštitu računalne mreže, a potom je detaljnije objašnjen sustav za otkrivanje upada što je i cilj ovog rada. Zatim, prikazane su različite vrste sustava za otkrivanje upada i u kojima se od navedenih mogu koristiti metode strojnog učenja kako bi se automatizacijom mogli detektirati potencijalni napadi. Implementacija rada napravljena je unutar programskog jezika „Python“ uz pomoć biblioteke „scikit-learn“ koja omogućava rad sa modelima strojnog učenja. Implementacija posjeduje pet različitih modela strojnog učenja za obradu podataka. Dobiveni podaci modela su prikazani grafovima za pojedine pokazatelje uspješnosti modela strojnog učenja dok je rangiranje modela napravljeno prema jednostavnoj bodovnoj skali.
Keywords
Language	croatian
URN:NBN	urn:nbn:hr:211:736875
Study programme	Title: Business Systems Study programme type: university Study level: undergraduate Academic / professional title: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike (sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) informatike)
Type of resource	Text
File origin	Born digital
Access conditions	Open access
Terms of use
Repository	Faculty of Organization and Informatics - Digital Repository
Created on	2023-09-18 04:00:50