Datová sada pro klasifikaci síťových zařízení pomocí strojového učení

but.committeedoc. Dr. Ing. Petr Hanáček (předseda) prof. Ing. Martin Drahanský, Ph.D. (místopředseda) doc. Ing. Vladimír Drábek, CSc. (člen) doc. Mgr. Lukáš Holík, Ph.D. (člen) Mgr. Kamil Malinka, Ph.D. (člen) Ing. Vladimír Veselý, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: Výsledná dátová sada obsahuje 2300 sieťových zariadení, koľko portov pokrýva? Jak jste získával data z Shodanu?cs
but.jazykčeština (Czech)
but.programInformační technologie a umělá inteligencecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorŽádník, Martincs
dc.contributor.authorEis, Pavelcs
dc.contributor.refereeTisovčík, Petercs
dc.date.accessioned2021-06-25T07:55:44Z
dc.date.available2021-06-25T07:55:44Z
dc.date.created2021cs
dc.description.abstractAutomatická klasifikace zařízení v počítačové síti lze využít pro detekci anomálií v síti a také umožňuje aplikaci bezpečnostních politik dle typu zařízení. Pro vytvoření klasifikátoru zařízení je stěžejní kvalitní datová sada, jejichž veřejná dostupnost je nízká a tvorba nové datové sady je složitá. Cílem práce je vytvořit nástroj, který umožní automatizovanou anotaci datové sady síťových zařízení a vytvoření klasifikátoru síťových zařízení, který využívá pouze základní údaje o síťových tocích. Výsledkem této práce je modulární nástroj poskytující automatizovanou anotaci síťových zařízení využívající systém ADiCT sdružení Cesnet, vyhledávače Shodan a Censys, informace ze služeb PassiveDNS, TOR, WhoIs, geolokační databáze a informace z blacklistů. Na základě anotované datové sady je vytvořeno několik klasifikátorů klasifikujících síťová zařízení podle používaných služeb. Výsledky práce nejen výrazně  zjednodušují proces vytváření nových datových sad síťových zařízení, ale zároveň ukazují neinvazivní přístup ke klasifikaci síťových zařízení.cs
dc.description.abstractAutomatic classification of devices in computer network can be used for detection of anomalies in a network and also it enables application of security policies per device type. The key to creating a device classifier is a quality data set, the public availability of which is low and the creation of a new data set is difficult. The aim of this work is to create a tool, that will enable automated annotation of the data set of network devices and to create a classifier of network devices that uses only basic data from network flows. The result of this work is a modular tool providing automated annotation of network devices using system ADiCT of Cesnet's association, search engines Shodan and Censys, information from PassiveDNS, TOR, WhoIs, geolocation database and information from blacklists. Based on the annotated data set are created several classifiers that classify network devices according to the services they use. The results of the work not only significantly simplify the process of creating new data sets of network devices, but also show a non-invasive approach to the classification of network devices.en
dc.description.markAcs
dc.identifier.citationEIS, P. Datová sada pro klasifikaci síťových zařízení pomocí strojového učení [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.cs
dc.identifier.other136796cs
dc.identifier.urihttp://hdl.handle.net/11012/200167
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectsíťová zařízenícs
dc.subjectmonitorování sítěcs
dc.subjectanotace datové sadycs
dc.subjectstrojové učenícs
dc.subjectklasifikace síťových zařízenícs
dc.subjectstatistické chování zařízenícs
dc.subjectADiCTcs
dc.subjectShodancs
dc.subjectCensyscs
dc.subjectPassiveDNScs
dc.subjectWhoIscs
dc.subjectGeoIPcs
dc.subjectTORcs
dc.subjectnetwork devicesen
dc.subjectnetwork monitoringen
dc.subjectdataset anotationen
dc.subjectmachine learningen
dc.subjectclassification of network devicesen
dc.subjectstatistical behavior of deviceen
dc.subjectADiCTen
dc.subjectShodanen
dc.subjectCensysen
dc.subjectPassiveDNSen
dc.subjectWhoIsen
dc.subjectGeoIPen
dc.subjectTORen
dc.titleDatová sada pro klasifikaci síťových zařízení pomocí strojového učenícs
dc.title.alternativeDataset for Classification of Network Devices Using Machine Learningen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2021-06-22cs
dcterms.modified2021-06-24-11:34:53cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid136796en
sync.item.dbtypeZPen
sync.item.insts2021.11.10 14:16:52en
sync.item.modts2021.11.10 13:50:58en
thesis.disciplineKybernetická bezpečnostcs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémůcs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 4 of 4
Loading...
Thumbnail Image
Name:
final-thesis.pdf
Size:
2.04 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Loading...
Thumbnail Image
Name:
Posudek-Oponent prace-23904_o.pdf
Size:
88.2 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Oponent prace-23904_o.pdf
Loading...
Thumbnail Image
Name:
Posudek-Vedouci prace-23904_v.pdf
Size:
86.13 KB
Format:
Adobe Portable Document Format
Description:
Posudek-Vedouci prace-23904_v.pdf
Loading...
Thumbnail Image
Name:
review_136796.html
Size:
1.48 KB
Format:
Hypertext Markup Language
Description:
review_136796.html
Collections