Отрывок: Если система еще не предсказала ничего, то выведется окно с ошибкой о невозможности сохранения в файл. После ознакомления с информацией об ошибке пользователь должен закрыть окно, нажав на кнопку «Ok». Если же система посчитала результат, то будет сгенерирован результирующий CSV-файл. Если пользователь захотел использовать другую модель МО, то нужно будет нажать на кнопку «Другая» в меню выбора моделей. После вводится путь к мод...
Название : Разработка автоматизированной системы прогнозирования вредоносности программного обеспечения
Авторы/Редакторы : Баканов Д. С.
Лобанков А. А.
Сопченко Е. В.
Министерство науки и высшего образования Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2021
Библиографическое описание : Баканов, Д. С. Разработка автоматизированной системы прогнозирования вредоносности программного обеспечения : вып. квалификац. работа по направлению подгот. 02.03.02 "Фундаментальная информатика и информационные технологии" (уровень бакалавриата) / Д. С. Баканов ; рук. работы А. А. Лобанков ; нормоконтролер Е. В. Сопченко ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики,. - Самара, 2021. - on-line
Аннотация : Объектом исследования является вредоносное программноеобеспечениеЦель работы – разработать автоматизированную системупрогнозирования вредоносности программного обеспеченияВ процессе выполнения работы были проведен анализ данных дляобучения, создана модель машинного обучения, на основе которойразработана система, позволяющая пользователю узнать, заражен липерсональный компьютер вредоносным программным обеспечением или нет.Данная система позволяет оценить по характеристикам персональногокомпьютера и состоянию защитника (антивируса) зараженность машинывредоносным программным обеспечением.Система разработана на языке Python с использованием библиотекиEEL. Модель машинного обучения библиотек была создана сиспользованием библиотеки LightGBM. В ходе анализа данных и оценкиточности модели были применены библиотеки Scikit-Learn, Pandas, Numpy.Система функционирует под управлением операционных систем Windows7/8/10. Формы созданы с помощью языка разметки HTML, каскаднойтаблицы стилей CSS и языка програм
Другие идентификаторы : RU\НТБ СГАУ\ВКР20210902161232
Ключевые слова: автоматизированные системы прогнозирования
машинное обучение
LIGHTGBM
градиентный бустинг
персональные компьютеры (ПК)
антивирусы
анализ данных
вредоносное программное обеспечение
системы прогнозирования
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Баканов_Дмитрий_Сергеевич_Разработка_автоматизированной_системы_прогнозирования.pdf2.22 MBAdobe PDFПросмотреть/Открыть  
Показать полное описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.