Mgr. Olha Jurečková

Mgr. Olha Jurečková

Mgr. Tomáš Rabas

Katedra informační bezpečnosti

Tato práce předkládá analýzu náhodnosti instance Dumbo šifry Elephant. Autor využil různé statistické testy, včetně testů ze sady statistických testů od NIST, d-monomiálního testu a cube testerů. Výsledky ukázaly, že Dumbo prošla většinou testů ze sady statistických testů od NIST s pouhými několika selháními, která nebyla považována za významná. Podobně ani d-monomiální test neukázal žádné zaujetí v jakémkoliv z bitů keystreamu. Nejvýznamnějším nálezem této práce bylo zjištění, že Dumbo má problém s tzv. balance testem z rodiny cube testerů, kdy některé bity keystreamu uspěly pouze v každém druhém testovacím případě a mnoho voleb tzv. cubes vykázalo úspěšnost kolem pouhých 20 %. Práce je završena konstatováním, že Dumbo celkově prokazuje dobré vlastnosti týkající se náhodnosti, ale zdůrazňuje potřebu dalšího výzkumu pro identifikaci potenciálních závažných problémů této šifry.

Práce na DSpace

Mgr. Olha Jurečková

Ing. Matouš Kozák

Katedra informační bezpečnosti

Tato práce se zabývá klasifikací malware pomocí samoorganizačních map. Detekce pomocí umělé inteligence je jedním ze způsobů, jak efektivně bojovat proti šíření malware a schopnost samoorganizačních map uspořádat data do klastrů mohou pomoci při klasifikaci. V práci je shrnut teoretický základ a dosavadní vývoj samoorganizačních map. Posléze je na veřejně dostupném datasetu natrénována zkušební mapa s parametry vybranými pro tento typ dat. V poslední části jsou naměřené výsledky porovnány s ostatními metodami strojového učení.

Práce na DSpace

Mgr. Olha Jurečková

Ing. Filip Kodýtek, Ph.D.

Katedra informační bezpečnosti

Techniky strojov´eho uˇcen´i (ML) jsou v posledn´i dobˇe velmi popul´arn´i v mnoha oblastech, vˇcetnˇe zpracov´an´i pˇrirozen´eho jazyka, rozpozn´av´an´i hlasu/obrazu atd. C´ilem t´eto diplomov´e pr´ace je vytvoˇrit techniku detekce malwaru pomoc´i vizualizace obrazu. Jako zp@usob z´isk´av´an´i informac´i z pˇreveden´ych vzork@u malwaru byla zvolena klasifikace pomoc´i detekce konvoluˇcn´i neuronov´e s´itˇe (CNN). Vzorek malwaru reprezentovan´y jako bajtov´e pole je nejprve pˇreveden na obr´azek ve stupn´ich ˇsedi nebo RGB a pot´e pˇriveden jako vstup do CNN.

Práce na DSpace