Bc. Júlia Ščensná

Diplomová práce

Supervised and Unsupervised Machine Learning Methods for System Log Anomaly Detection

Supervised and Unsupervised Machine Learning Methods for System Log Anomaly Detection
Anotace:
Táto práca sa zaoberá implementáciou sady nástrojov, ktoré využívajú algoritmy strojového učenia pre klasifikáciu systémových logov a detekovanie anomálií. Navrhované modely sú postavené na dvoch kategóriách strojového učenia, a to učenie s učiteľom (supervised learning) a učenie bez učiteľa (unsupervised learning). V rámci práce je funkcionalita a správanie vybraných metód vysvetlená teoreticky aj …více
Abstract:
This thesis deals with implementing toolset that uses machine learning algorithms for system logs classification and anomaly detection. The proposed models are built based on supervised and unsupervised machine learning methods. However, the functionality and behavior of these methods have been explained theoretically and practically in the thesis. Sufficient numbers of simulated plots are included …více
 
 
Jazyk práce: angličtina
Datum vytvoření / odevzdání či podání práce: 19. 5. 2020

Obhajoba závěrečné práce

  • Obhajoba proběhla 15. 6. 2020
  • Vedoucí: RNDr. Radek Ošlejšek, Ph.D.
  • Oponent: doc. RNDr. Ivan Kopeček, CSc.

Citační záznam

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 informatiky

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Aplikovaná informatika / Aplikovaná informatika