• Adversarialní strojové učení pro detekci škodlivého chování v síťové bezpečnosti 

      Autor: Michal Najman; Vedoucí práce: Lisý Viliam; Oponent práce: Bím Jan
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2019-06-18)
      Adversarialní strojové učení má v principu dva cíle: navrhnout útočníka, který je schopen obejít detektor; a detektor, který úspěšně detekuje dané útočníky. Tyto protichůdné motivy jsou v této práci modelovány pomocí teorie ...
    • Dataset normálního, škodlivého, útočného a ostatního síťového provozu v reálné síti 

      Autor: Štěpán Bendl; Vedoucí práce: García Sebastián; Oponent práce: Hynek Karel
      (České vysoké učení technické v Praze. Vypočetní a informační centrum.Czech Technical University in Prague. Computing and Information Centre., 2023-06-13)
      Vzhledem k rostoucímu využívání technologií a zvyšujícímu se počtu kybernetických útoků je nezbytné mít k dispozici robustní a reprezentativní bezpečnostní datasety. Tyto datasety jsou klíčové pro získání informací, které ...