Кафедри
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/35393
Переглянути
5 результатів
Результати пошуку
Документ Розробка методу ідентифікації стану комп'ютерної системи на основі нечітких дерев рішень(Національний університет "Полтавська політехніка ім. Юрія Кондратюка", 2023) Гавриленко, Світлана Юріївна; Челак, Віктор ВолодимировичПредметом дослідження є методи та засоби ідентифікації стану комп'ютерної системи. Метою статті є підвищення якості класифікації даних за рахунок розробки методу ідентифікації стану комп’ютерної системи. Завдання: дослідити методи ідентифікації стану комп’ютерної системи та розробити метод класифікації стану комп'ютерної системи з метою захисту даних. Використовуваними методами є: методи штучного інтелекту, машинного навчання. Отримано такі результати: досліджено методи ідентифікації стану комп’ютерної системи KNN (k-nearest neighbors), метод опорних векторів (SVM), нейронні мережі, дерева рішень. Запропоновано метод ідентифікації стану комп’ютерної системи на основі нечітких дерев рішень, який відрізняється від відомих методів побудови наявністю спеціальної процедури фазифікації атрибутів вихідних даних та побудови функції приналежності. Розроблено програмне забезпечення, в якому реалізовано та досліджено запропонований метод вирішення задачі ідентифікації стану комп'ютерної системи. Висновки. Наукова новизна отриманих результатів полягає у дослідженні методів ідентифікації стану комп'ютерної системи, розробці методу на основі нечітких дерев рішень, оцінці якості моделі на етапі навчання та тестування, виконання порівняльного аналізу.Документ Дослідження методів виявлення аномалій на етапі попередньої обробки даних(Національний університет "Полтавська політехніка ім. Юрія Кондратюка", 2022) Гавриленко, Світлана Юріївна; Зозуля, В. Д.Предметом дослідження є методи та засоби виявлення аномалій в даних. Метою статті є підвищення якості класифікації даних за рахунок виявлення аномалій на етапі їх попередньої обробки. Завдання: дослідити методи виявлення аномалій на етапі попередньої обробки даних, визначити поріг прийняття рішень anomaly_score для кожного із методів та оцінити якість класифікації до та після preprocessing. Використовуваними методами є: методи штучного інтелекту, машинного навчання, ансамблеві методи. Отримано такі результати: досліджено методи виявлення аномалій: метод стандартного відхилення (Standard Deviation Method), метод локального рівня викидів (Local Outlier Factor), метод Ізолюючого лісу (Isolation Forest). Отримано залежність кількості аномалій від порогу прийняття рішень для кожного із методів. Оцінку якості попередньої обробки даних виконано з використанням класифікаторів на основі методів KNN та беггінгу (Bagging). Досліджені методи реалізовані програмно з використанням хмарного сервісу GOOGLE COLAB на основі Jupyter Notebook. Висновки. Наукова новизна отриманих результатів полягає у дослідженні методів виявлення аномалій на етапі попередньої обробки даних, вибору мета-алгоритму preprocessing та визначення оптимальних параметрів його налаштування.Документ Розробка методу ідентифікації стану комп'ютерної системи на основі алгоритму "Isolation Forest"(Запорізький національний технічний університет, 2021) Гавриленко, Світлана Юріївна; Шевердін, Ілля ВалентиновичАктуальність. Розглянуто задачу ідентифікації стану комп’ютерної системи. Об’єктом дослідження є процес ідентифікації стану комп’ютерної системи. Предметом дослідження є методи та засоби ідентифікації стану комп’ютерної системи. Мета. Метою роботи є розробка методу ідентифікації стану комп’ютерної системи. Метод. Розроблено метод ідентифікації стану комп’ютерної системи на основі комплексного використання процедури групування нерозмічених вихідних даних та технології машинного навчання на основі алгоритму «Isolation Forest», який надає можливість ідентифікувати стан комп’ютерної системи і виділити назву процесу, який спричинив аномальний стан. Для цього запропоновано процедуру та розроблено програмний додаток для збору статистичних даних у вигляді подій функціонування операційної системи та виконано їх аналіз. Отримано, що найбільш інформативними є операції читання та запису. Для формування єдиного датасету, операції читання та запису зіставлено з назвою процесу та об’єднано в один масив груп подій, що надалі дозволяє виділити процес, який спричиняє аномальний стан комп’ютерної системи. За результатами дослідження, у якості складової методу ідентифікації стану комп’ютерної системи використано ансамблевий алгоритм «Isolation Forest». Проведено оцінку точності та оперативності розробленого методу ідентифікації стану комп’ютерної системи. Результати. Розроблений метод реалізований програмно і досліджений під час розв’язання задачі ідентифікації аномалій функціонування комп’ютерної системи. Висновки. Проведені експерименти підтвердили працездатність запропонованого методу, що надає можливість рекомендувати його для практичного використання з метою підвищення оперативності ідентифікації стану комп’ютерної системи та використання його у якості експрес-методу. Перспективи подальших досліджень можуть полягати в розробці ансамблю нечітких дерев рішень на основі запропонованого методу, оптимізації його програмних реалізації.Документ Ідентифікація стану комп'ютерної системи на основі ансамблевого методу класифікації(Національний університет "Полтавська політехніка ім. Юрія Кондратюка", 2020) Гавриленко, Світлана Юріївна; Шевердін, Ілля ВалентиновичПредметом статті є дослідження методів ідентифікації стану комп’ютерної системи. Метою статті є розробка методу ідентифікації аномального стану комп’ютерної системи на основі ансамблевих методів. Завдання. Дослідити та виділити події операційних системах сімейства Windows, розробити програмне забезпечення для виділення подій; дослідити використання ансамблевих класифікаторів на основі беггінгу та бустінгу та дерев рішень для ідентифікації стану комп’ютерної системи. Використовуваними методами є: методи машинного навчання та ансамблеві методи класифікації. Отримано такі результати: У якості вихідних даних виділено наступні класи подій операційних системах сімейства Windows: події міжпроцесної комунікації, події взаємодії з файловою системою, події інтернет-з’єднання, події взаємодії з реєстром. Досліджено методи ідентифікації аномального стану комп’ютерних систем на базі ансамблевих методів, а саме беггінгу, бустінгу та дерева рішень J48 для ідентифікації стану комп’ютерної системи. Виконано оцінку ефективності розроблених ансамблевих класифікаторів. За результатами досліджень для ідентифікації стану комп’ютерної системи запропоновано ансамблевий метод класифікації на основі беггінгу та дерева рішень J48. Висновки. Наукова новизна отриманих результатів полягає у виділенні процесів функціонування комп’ютерної системи та створенні ансамблевого методу для на основі беггінгу та дерева рішень J48, що надає можливість підвищити точність ідентифікації стану комп’ютерної системи.Документ Дослідження ансамблевих методів ідентифікації стану комп'ютерної системи на основі бустингу(ФОП Тарасенко В. П., 2020) Гавриленко, Світлана Юріївна; Трет'як, Н. С.