Categorizing and visualizing the Dark Web – Bc. Linda Hansliková
Bc. Linda Hansliková
Master's thesis
Categorizing and visualizing the Dark Web
Categorizing and visualizing the Dark Web
Anotácia:
Online svět přístupný běžným způsobem se skládá z většinou legálních, vzájemně propojených webů a stránek. Struktura dark webu se však může lišit kvůli charakteru této skryté části internetu. Vyvstávají otázky o propojení a kategorickém složení obsahu dark webu. Pro část dark webu jsme na tyto otázky chtěli najít odpovědi. K výsledkům naší práce patří klasifikační model, který kategorizuje stránky …viacAbstract:
The ordinarily accessible online world is composed of commonly legal, interlinked sites and pages. The structure of the dark web, however, may be different because of the nature of this hidden part of the Internet. Questions about the interconnection and the categorical makeup of the dark web content arise. We were interested in answering these questions for a portion of the dark web. The results of …viac
Jazyk práce: English
Datum vytvoření / odevzdání či podání práce: 19. 5. 2020
Identifikátor:
https://is.muni.cz/th/noh49/
Obhajoba závěrečné práce
- Obhajoba proběhla 17. 6. 2020
- Vedúci: RNDr. Martin Stehlík, Ph.D.
- Oponent: RNDr. Lukáš Němec
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Fakulta informatikyMasaryk University
Faculty of InformaticsMaster programme / odbor:
Applied Informatics / Service Science, Management and Engineering
Práce na příbuzné téma
-
Text classification with artificial neural networks
Anouk Wilstra -
Interpretation of artificial neural networks for image recognition
Alexey Ulyanin -
Artificial Neural Networks in Space of Stock Returns: Volatility Prediction
Šimon Škorňa -
Gradient Boosting Machine and Artificial Neural Networks in R and H2O
Juraj Sabo -
Web Application of Earthquake Prediction Based on Machine Learning
Rabendra Shrestha -
Web application for foreign vocabulary learning based on cross-lingual etymological linked data
Maxim Dužij