Show simple item record

Locality sensitive hashing of strings for URL classification

dc.contributor.advisorKopp Martin
dc.contributor.authorKantner Jakub
dc.date.accessioned2016-10-17T08:26:33Z
dc.date.available2016-10-17T08:26:33Z
dc.date.issued2016-08-07
dc.identifierKOS-587864409205
dc.identifier.urihttp://hdl.handle.net/10467/65949
dc.description.abstractNa internetu se kromě neškodných URL adres setkáváme i s malým procentem adres škodlivých. Ty často vedou na podvodné, reklamní, či přímo nebezpečné webové stránky a návštěva takových stránek může způsobit infikování počítače. Abychom předešli takové situaci a následným škodám, jako je odcizení dat, chceme takové stránky identifikovat v předstihu podle jejich URL adresy. V současnosti se ke klasifikaci URL adres používají metody založené na kryptogra fických hašovacích funkcích a slovníkové reprezentaci. Po teoretickém úvodu je v této práci navržena míra podobnosti pro URL adresy a nová klasifikační metoda založená na podobnost zachovávajícím hašování (locality sensitive hashing). Nakonec je na reálných datech experiment álně ověřena vhodnost této metody pro úkol klasifikace URL adres a je provedeno srovnání se současnými metodami.cze
dc.description.abstractUsers, when browsing the Internet, may occasionally encounter a malicious URL. These dangerous URLs often lead to fraudulent, advertising or even harmful websites. Visiting such pages can cause an infection of a computer. To prevent such situation and consequent harm, like data exfiltration, we would like to identify such websites in advance based on their URL. Nowadays, methods based on cryptographic hash functions and dictionary representation are used for the URL classification. After introducing the theoretical background, a similarity measure for URLs and a new classification technique based on locality sensitive hashing is designed. Finally, the suitability of this technique for the URL classification is experimentally verified on real data and compared with currently used methods.eng
dc.language.isoCZE
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf.eng
dc.rightsVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf.cze
dc.subjectJaccardova míra podobnosti, klasifikace URL adres, minhashing, náhodné rozhodovací lesy, podobnost zachovávající hašovánícze
dc.subjectJaccard similarity, locality sensitive hashing, minhashing, random decision forests, URL classificationeng
dc.titleLocality sensitive hashing textových řetězců pro klasifikaci URLcze
dc.titleLocality sensitive hashing of strings for URL classificationeng
dc.typeBAKALÁŘSKÁ PRÁCEcze
dc.typeBACHELOR THESISeng
dc.date.accepted2016-08-30
dc.contributor.refereeKohout Jan
theses.degree.disciplineMatematické inženýrstvícze
theses.degree.grantorkatedra matematikycze
theses.degree.programmeAplikace přírodních vědcze


Files in this item


This item appears in the following Collection(s)

Show simple item record