Result Details
Sada klasifikačních modulů pro detekci bezpečnostních hrozeb
Luxemburk Jan
Hynek Karel
Čejka Tomáš, doc. Ing., Ph.D.
Šiška Pavel, Bc.
Koumar Josef
Jeřábek Kamil, Ing., Ph.D., DIFS (FIT)
Tato sada softwarových modulů představuje produkčně použitelné klasifikátory šifrovaného provozu využívajících techniky strojového učení. Cílem je významné zlepšení schopnosti klasifikace šifrovaného síťového provozu, což je klíčové pro identifikaci bezpečnostních hrozeb a zvyšování úrovně povědomí o situaci na počítačové síti. Použití moderních technologií strojového učení přináší nové perspektivy a efektivní nástroje pro zabezpečení informačních systémů před komplexními kybernetickými hrozbami. Tímto způsobem může navržené softwarové řešení posílit schopnost organizací identifikovat a řešit bezpečnostní incidenty v reálném čase.
This software presents production-ready encrypted traffic classifiers, that are using machine learning. The goal is to significantly improve the ability to classify encrypted network traffic, which is key to identifying security threats and increasing network situational awareness. The use of modern machine learning technologies brings new perspectives and effective tools for securing information systems against complex cyber threats. The designed software solution has the potential to improve the ability of organizations to identify and solve security incidents in real time.
Classification, machine learning, encrypted traffic, security threats