LuanVan.vnLuận Văn
Gửi thư

Nghiên cứu phương pháp phát hiện bất thường mạng thời gian thực dựa trên học sâu

Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhCông nghệ thông tin
Tác giảKhương Tuấn Dũng
Người hướng dẫnHoàng Xuân Tùng
Cơ sở đào tạoĐại học Quốc gia Hà Nội
Năm2024
NguồnThư viện số Đại học Quốc gia Hà Nội · trang gốc

Tóm tắt

Trong bối cảnh toàn cầu hiện nay, các cuộc tấn công mạng ngày càng trở nên tinh vi và nguy hiểm hơn, gây thiệt hại lớn cho các tổ chức, doanh nghiệp và cả các quốc gia. Những cuộc tấn công từ chối dịch vụ phân tán (DDoS) đã trở thành một vũ khí phổ biến, có khả năng làm gián đoạn các dịch vụ quan trọng và gây ảnh hưởng lớn đến kinh tế, xã hội. Do tính phức tạp của dữ liệu mạng và sự tinh vi của các thủ đoạn tấn công, các phương pháp phát hiện tấn công truyền thống gặp nhiều hạn chế. Luận văn đã hệ thống hóa các vấn đề về an ninh mạng và tấn công mạng, trên cơ sở đó phân tích các phương pháp phát hiện tấn công mạng truyền thống. Đồng thời, luận văn cũng trình bày các kiến thức về học máy và học sâu và phân tích khả năng áp dụng các phương pháp này trong phát hiện tấn công mạng. Trên cơ sở đó, luận văn nghiên cứu phương pháp phát hiện tấn công DDoS bằng cách sử dụng mô hình học sâu. Cụ thể, luận văn đề xuất sử dụng mô hình học sâu sử dụng mạng nơ ron tích chập CNN để trích rút đặc trưng từ đó phát hiện tấn công DDoS dựa trên dữ liệu giám sát mạng. Luận văn cũng trình bầy quy trình huấn luyện mạng học sâu, các bước tiền xử lý dữ liệu và phương pháp đánh giá độ chính xác. Luận văn đã thực nghiệm mô hình đề xuất với bộ dữ liệu CICEV2023. Kết quả thực nghiệm cho thấy mô hình đề xuất đạt độ chính xác 82% trong phát hiện tấn công DDoS. Qua đó, có thể nói việc ứng dụng học sâu trong bài toán phát hiện tấn công DDoS nói riêng và đảm bảo an toàn mạng nói chung là một hướng nghiên cứu có ý nghĩa lý thuyết và thực tiễn. Tuy nhiên, nghiên cứu cũng cho thấy cần cải thiện thêm về độ chính xác và hiệu suất để đáp ứng yêu cầu trong môi trường thực tế.
Bản toàn văn lưu tại thư viện Đại học Quốc gia Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.