Využití strojového učení pro detekci veřejných podsítí

Abstract

Cílem této práce je navrhnout a vyhodnotit funkční prototyp systému pro detekci sítí pro hosty. Data ze síťových toků získaná z několika zdrojů využívajících protokol NetFlow jsou vhodně předzpracována a jsou z nich vytěženy statistiky ze zadaného období. Na získaných datech optimalizujeme, trénujeme a vyhodnocujeme několik modelů včetně náhodného lesa a neuronové sítě.

The aim of this thesis is to design and evaluate a working prototype of a guest network detection system. Network traffic data collected from multiple distinct sources in the form of network flows are preprocessed and important statistics about each subnet active during given period of time are extracted. Several machine learning models including a random forest and an artificial neural network are optimized, trained and evaluated on the extracted data.