Warning: Undefined property: Dissovet\Models\Dissertation::$performed_in_place2 in /var/www/application/Models/Dissertation.php on line 326
Диссертация

Диссертация

Казачук Мария Андреевна

Кандидат наук

Статус диссертации

07.07.2020 
Диплом Кандидат наук
29.06.2020 
Решение о выдаче диплома
19.06.2020 
Положительное заключение АК
27.03.2020 
На рассмотрении в АК
26.12.2019 
Положительная защита
12.11.2019 
Объявление опубликовано
06.11.2019 
Принят к защите
05.11.2019 
Заключение комиссии
23.09.2019 
Документы приняты
ФИО соискателя
Казачук Мария Андреевна
Степень на присвоение
Кандидат наук
Приказ о выдаче диплома
№ 691 от 07.07.2020
Дата и время защиты
26.12.2019 15:00
Научный руководитель
Петровский Михаил Игоревич
Кандидат наук Доцент
Оппоненты
Зацаринный Александр Алексеевич
Доктор наук Профессор
Рыжок Александр Павлович
Доктор наук Профессор
Гамаюнов Денис Юрьевич
Кандидат наук Старший научный сотрудник
Место выполнения работы
Московский государственный университет имени М.В.Ломоносова, Факультет вычислительной математики и кибернетики, Кафедра интеллектуальных информационных технологий
Специальность
05.13.11 Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей
физико-математические науки
Диссертационный совет
Телефон совета
+7 495 939-50-71

Целью диссертационной работы является исследование и разработка математического и программного обеспечения динамической аутентификации пользователей компьютеров на основе анализа их клавиатурного почерка. Объектом исследования является поведенческая информация пользователей при работе с персональным компьютером/ноутбуком (при взаимодействии с клавиатурой компьютера). Под поведенческой информацией пользователя будем понимать данные о специфике нажатий и отжатий пользователем клавиш клавиатуры. Научная новизна заключается в: - предложенной новом подходе к сокращению размерности пространства признаков путем анализа характера изменения распределения признаков с течением времени на основе расчета статистики Колмогорова-Смирнова и выделения наиболее стабильных из них; - предложенном новом нечетком методе выявления аномалий в данных на основе эллиптической кластеризации в RKHS, строящем эллиптические контуры с оптимальным центром для выделения аномалий в пространстве признаков высокой размерности (RKHS). Поиск оптимальных значений метапараметров данного алгоритма осуществляется собственно разработанным методом без использования информации о данных нелегитимного класса. - Предложенном новом методе оценки аномальности поведения пользователя на основе анализа целых сессий работы за компьютером, использующем t-статистику Уэлша для сравнения работы классификатора на валидационном наборе данных легитимного пользователя и рассматриваемых данных тестового пользователя.

# Название Размер