dc.contributor.author | Butkys, Vaidotas | |
dc.date.accessioned | 2023-09-18T09:09:44Z | |
dc.date.available | 2023-09-18T09:09:44Z | |
dc.identifier.uri | https://etalpykla.vilniustech.lt/handle/123456789/110704 | |
dc.description.abstract | Baigiamajame magistro darbe pritaikomas biologinės imuninės sistemos modelis, skirtas informacijos ir informacinių sistemų saugos, kenksmingam programiniam kodui atpažinti. Visų pirma atliekamas teorinis tyrimas: surenkama ir išanalizuojama susijusi informacija ir išskiriami labiausiai šiam darbui tinkantys dirbtinės imuninės sistemos algoritmai. Pagal išanalizuotą informaciją parengiamas modelio projektas, kuris sudarytas iš duomenų gavybos, negatyvios atrankos ir klonavimo atrankos veikimo principų ir darbo eigos aprašymo. Toliau vykdomas praktinis modelio realizavimas, o naudojami parametrai aprašomi šiame darbe. Gauti rezultatai apibendrinami, pateikiami komentarai, įžvalgos bei galimi tolimesni darbai. Bendras, vidutinis modelio tikslumas klasifikuojant anomalijų turinčius duomenis - 67,4%, anomalijų neturinčius duomenis - 67,9%. Dokumento apimtis - 54 psl., be priedų, 25 iliustracijos, 9 lentelės, 18 bibliografinių šaltinių. | lit |
dc.description.abstract | The model of the biological immune system is applied in the final master's thesis to identify malicious software code for information and information systems security. In particular, a theoretical study is carried out: relevant information is collected and analyzed, and the most suitable algorithms of the artificial immune system are singled out. Based on the analyzed information, a draft model is prepared, which consists of a description of the operating principles and workflow of data mining, negative selection and cloning selection. The practical implementation of the model is continued, and the parameters used are described in this work. The obtained results are summarized, comments, insights and possible further work are provided. The overall, average accuracy of the model in classifying malware data was 67.4%, and data without anomalies were 67.9%. The volume of this document is 54 pages, without appendixes, 25 illustrations, 9 tables, 18 bibliographical entries. | eng |
dc.format | PDF | |
dc.format.extent | 67 p. | |
dc.format.medium | tekstas / txt | |
dc.language.iso | lit | |
dc.rights | Prieinamas tik institucijos intranete | |
dc.source.uri | https://talpykla.elaba.lt/elaba-fedora/objects/elaba:62288054/datastreams/MAIN/content | |
dc.title | Kenksmingo programinio kodo atpažinimas naudojant imuninės sistemos modelį | |
dc.title.alternative | Detection of Malicious Code Using an Immune System Model | |
dc.type | Magistro darbas / Master thesis | |
dcterms.references | 0 | |
dc.type.pubtype | ETD_MGR - Magistro darbas / Master thesis | |
dc.contributor.institution | Vilniaus Gedimino technikos universitetas | |
dc.subject.researchfield | T 007 - Informatikos inžinerija / Informatics engineering | |
dc.subject.studydirection | B04 - Informatikos inžinerija / Informatics engineering | |
dc.subject.lt | Biologinė imuninė sistema | |
dc.subject.lt | dirbtinė imuninė sistema | |
dc.subject.lt | kenksmingas programinis kodas | |
dc.subject.lt | negatyvi atranka | |
dc.subject.lt | klonavimo atranka | |
dc.subject.en | Biological immune system | |
dc.subject.en | artificial immune system | |
dc.subject.en | malicious software code | |
dc.subject.en | negative selection | |
dc.subject.en | clonal selection | |
dc.identifier.elaba | 62288054 | |