Evaluace existujících metod detekce anomálií založených na neuronových sítích na vysokorychlostním síťovém provozu

Abstract

Detekcia anomálií v sieťovej prevádzke je nevyhnutná pre správu siete a kybernetickú bezpečnosť. V tejto práci vyhodnocujeme existujúce metódy detekcie anomálií založené na neurónových sieťach na dátovej sade z vysokorýchlostnej siete pomocou metód nesupervizovaného učenia. Zameriavame sa na hodnotenie z hľadiska zvládania jedinečných výziev, predkladaných vysokorýchlostnou sieťovou prevádzkou, vrátane veľkého objemu, rýchlosti a rozmanitosti dát ako aj nasaditeľnosti modelov.Anomaly detection in network traffic is essential for network management and cybersecurity. In this thesis we evaluate existing neural network-based anomaly detection methods on high-speed network traffic dataset in a fully unsupervised environment. We focus on evaluation in terms of handling the unique challenges presented by high-speed network traffic, including the large volume, speed, and diversity of data as well as deployability of models.