Please use this identifier to cite or link to this item:
https://essuir.sumdu.edu.ua/handle/123456789/84128
Or use following links to share this resource in social networks:
Tweet
Recommend this item
Title | Інформаційна технологія розпізнавання трафіку алгоритмів генерації доменів на основі глибинного машинного навчання |
Other Titles |
Information Technology for Traffic Recognition of Domain Generation Algorithms using Deep Machine Learning |
Authors |
Міщенко, Н.В.
|
ORCID | |
Keywords |
розпізнавання DGA распознавание DGA DGA detection DL часові згорткові мережі інформаційна технологія |
Type | Masters thesis |
Speciality | 122 - Комп’ютерні науки |
Date of Issue | 2021 |
URI | https://essuir.sumdu.edu.ua/handle/123456789/84128 |
Publisher | Сумський державний університет |
License | Copyright not evaluated |
Citation | Міщенко, Н.В. Інформаційна технологія розпізнавання трафіку алгоритмів генерації доменів на основі глибинного машинного навчання [Текст]: робота на здобуття кваліфікаційного рівня бакалавра; спец.: 122 - комп`ютерні науки (інформатика) / Н.В. Міщенко; наук. кер. В.В. Москаленко. - Суми: СумДУ, 2021. - 63 с. |
Abstract |
Розроблено інформаційну технологію розпізнавання трафіку алгоритмів генерації доменів на основі глибинного машинного навчання, а саме часових згорткових мереж. Розроблену технологію реалізовано у вигляді навченої моделі, а саме класифікатора, що здатний з високою точністю розпізнавати алгоритми генерації доменів. Технологія була реалізований за допомогою мови програмування Python, хмарного середовища розробки Google Colab та бібліотеки машинного навчання TensorFlow та SciKit-Learn. |
Appears in Collections: |
Кваліфікаційні роботи здобувачів вищої освіти (ЕлІТ) |
Views

1

88

1

1

16881

1

4815484

1

2289431

217882

12157014

19498543

1
Downloads

1753

79128

12157017

40879

79124

12157015

1

16882

12157015

1

4815483

12157013

79132

1

40876

19498544

439

12157017

4815489
Files
File | Size | Format | Downloads |
---|---|---|---|
Mishchenko_mag_rob.doc.pdf | 1.32 MB | Adobe PDF | 90252809 |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.