Analiza dnevničkih zapisa web poslužitelja s pomoću strojnog učenja

diplomski rad

• Naslov (engleski): Web server log analysis using machine learning
• Autor: Marin Širić
• Mentor: Miljenko Mikuc (mentor)
• Član povjerenstva: Miljenko Mikuc (predsjednik povjerenstva)
• Član povjerenstva: Dragan Jevtić (član povjerenstva)
• Član povjerenstva: Marin Vuković (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-09-20, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Ovaj rad istražuje primjenu modela strojnog učenja na detekciju anomalija u dnevničkim zapisima web poslužitelja. Nakon analize strukture i sadržaja dnevničkih zapisa, primijenjeni su različiti modeli, uključujući logističku regresiju, slučajne šume (random forest), stabla odlučivanja (decision tree) i neuronske mreže te je evaluirana njihova efikasnost u identifikaciji anomalija. Rezultati su pokazali da modeli stabla odlučivanja i slučajnih šuma ostvaruju najveću točnost, približno 0.91, zahvaljujući njihovoj sposobnosti da efikasno modeliraju složene obrasce u podacima. Zaključak je da algoritmi strojnog učenja potencijalno mogu biti vrlo korisni u analizi anomalija dnevničkih zapisa web poslužitelja.

Sažetak (engleski)

This paper explores the application of machine learning models on anomaly detection in web server logs. After analyzing the structure and content of the log files, various models were tested, including logistic regression, random forests, decision trees, and neural networks, and their effectiveness in identifying anomalies was evaluated. The results showed that decision tree and random forest models achieve the highest accuracy, approximately 0.91, thanks to their ability to efficiently model complex patterns in the data. The conclusion is that machine learning algorithms can potentially be very useful in analyzing anomalies in web server logs

• Ključne riječi: Strojno učenje; Analiza dnevničkih zapisa; Web poslužitelji; Detekcija anomalija; Sigurnosni dnevnički podaci; Nadzirano učenje; Duboko učenje; Feature engineering; Detekcija upada; Optimizacija performansi; Sigurnost web aplikacija; Analiza prometa
• Ključne riječi (engleski): Machine Learning; Log Analysis; Web Servers; Anomaly Detection; Security Log Data; Supervised Learning; Deep Learning; Feature Engineering; Intrusion Detection; Performance Optimization; Web Application Security; Traffic Analysis
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:815532
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-11-07 05:43:34