Analysis of multimodal data for internet security tasks
Název práce v češtině: | Analýza multimodálních dat v oblasti internetové bezpečnosti |
---|---|
Název v anglickém jazyce: | Analysis of multimodal data for internet security tasks |
Akademický rok vypsání: | 2021/2022 |
Typ práce: | disertační práce |
Jazyk práce: | angličtina |
Ústav: | Katedra softwarového inženýrství (32-KSI) |
Vedoucí / školitel: | prof. RNDr. Tomáš Skopal, Ph.D. |
Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
Datum přihlášení: | 02.08.2022 |
Datum zadání: | 02.08.2022 |
Datum potvrzení stud. oddělením: | 03.10.2022 |
Zásady pro vypracování |
Téma práce je zaměřeno na výzkum strukturovaných dat z počítačových sítí v doméně internetové bezpečnosti. Předmětem výzkumu je shluková analýza multimodálních dat za účelem identifikace síťových zařízení a sledování jejich chování. Cílem analýzy je automatické hledání kritické síťové infrastruktury (např. klíčové servery), které umožní prioritizaci jejich ochrany. Použité budou standardní i upravené metody a postupy z oblastí machine learning, information retrieval, nonmetric similarity-based analysis, data mining, unsupervised learning, reinforcement learning a clustering. |
Seznam odborné literatury |
Skopal, Tomáš, and Benjamin Bustos. On nonmetric similarity search problems in complex domains." ACM Computing Surveys (CSUR) 43.4 (2011): 1-50.
Rossetti, Giulio, and Rémy Cazabet. Community discovery in dynamic networks: a survey. ACM computing surveys (CSUR) 51.2 (2018): 1-37. Wang, Jingdong, et al. A survey on learning to hash. IEEE transactions on pattern analysis and machine intelligence 40.4 (2017): 769-790. Kumar, Srijan, Xikun Zhang, and Jure Leskovec. Predicting dynamic embedding trajectory in temporal interaction networks. Proceedings of the 25th ACM SIGKDD international conference on knowledge discovery & data mining. 2019. Holeňa, Martin, Petr Pulc, and Martin Kopp. Classification Methods for Internet Applications. Springer International Publishing, 2020. Kohout, Jan, et al. A framework for comprehensible multi-modal detection of cyber threats. arXiv preprint arXiv:2111.05764 (2021). |