Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://elar.urfu.ru/handle/10995/140616
Название: Внедрение моделей машинного обучения в сетевую инфраструктуру для обнаружения и классификации вредоносного программного обеспечения в среде Интернета вещей : магистерская диссертация
Другие названия: Deploying Machine Learning Models in Network Infrastructure for Detecting and Classifying Malicious Attacks on IoT Devices
Авторы: Иванов, К. В.
Ivanov, K.
Научный руководитель: Агбозо, Э.
Балунгу, Д. М.
Agbozo, E.
Balungu, D. M.
Дата публикации: 2024
Издатель: б. и.
Библиографическое описание: Иванов К. В. Внедрение моделей машинного обучения в сетевую инфраструктуру для обнаружения и классификации вредоносного программного обеспечения в среде Интернета вещей : магистерская диссертация / К. В. Иванов ; Уральский федеральный университет имени первого Президента России Б. Н. Ельцина, Институт радиоэлектроники и информационных технологий-РТФ, Базовая кафедра «Аналитика больших данных и методы видеоанализа». — Екатеринбург, 2024. — 65 с. — Библиогр.: с. 62-65 (24 назв.).
Аннотация: The paper describes a method for implementing a machine learning model into the enterprise network infrastructure to detect and classify harmful software in the Internet of Things environment.
В работе описан способ внедрения модели машинного обучения в сетевую инфраструктуру предприятия для обнаружения и классификации вредоносного ПО в среде Интернета вещей.
Ключевые слова: MASTER'S THESIS
MACHINE LEARNING
IDC
IMPLEMENTATION
DEPLOYMENT
NETWORK INFRASTRUCTURE
CLASSIFICATION
МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ
МАШИННОЕ ОБУЧЕНИЕ
IDC
ВНЕДРЕНИЕ
РАЗВЕРТЫВАНИЕ
СЕТЕВАЯ ИНФРАСТРУКТУРА
КЛАССИФИКАЦИЯ
URI: http://elar.urfu.ru/handle/10995/140616
Условия доступа: Предоставлено автором на условиях простой неисключительной лицензии
Текст лицензии: http://elar.urfu.ru/handle/10995/31613
Располагается в коллекциях:Магистерские диссертации

Файлы этого ресурса:
Файл Описание РазмерФормат 
m_th_k.ivanov_2024.pdf2,04 MBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.