- Bachelorarbeit -

Beschreibung:

In dieser Arbeit wurde untersucht, ob man Anomalien in Netzwerken mit Hilfe von Lernverfahren erkennen kann. Es wurden mit einem Netzwerksimulator Trainings- und Testdaten mit und ohne Anomalien generiert.
Danach wurde ein großer Teil dieser Daten zum Trainieren eines neuronalen Netzwerkes benutzt, während der Rest der Daten zum Vorhersagen verwendet wurden. Die Rate einer korrekten Vorhersage betrug bei dem Test mit einem einfachen neuralen Netzwerk ca. 77%. Eine akzeptable Erkennungsratewäre hierbei erreicht,wenn sie über alternative Erkennungsmethoden und unter 5% False-Negative-Rate kommen würde. Einer dieser Verfahren ist beispielsweise ein Algorithmus namens POSEIDON,welcher bei einigen Protokollanomalien über 90% erreichte. Es gibt noch weitere, andere Lernverfahren oder Deep Learning Verfahren,welche über 90% kamen.
Es ist mit verschiedenen Einstellungen des neuronalen Netzwerkes nicht gelungen über die akzeptable Rate zu kommen.

Anforderungen/Kenntnisse:
Programmierung von Web-Servern und Browsern, insbesondere PHP, JavaScript, HTML und CSS

Bearbeitung:
Jens Weissflog

Ergebnis:
Die Ausarbeitung kann im Institut für Informationssysteme angefordert werden.

Betreuung:

Prof. Dr. rer. nat. Ralf Möller
Institut für Informationssysteme
Ratzeburger Allee 160 ( Gebäude 64 - 2. OG)
23562 Lübeck
Telefon: 0451 / 3101 5700