Show simple item record

Automatyczne wykrywanie zagrożeń w systemach teleinformatycznych za pomocą metod Data Mining

dc.contributor.authorSapała, Kamil
dc.contributor.authorPiołun-Noyszewski, Marcin
dc.contributor.authorWeiss, Marcin
dc.date.accessioned2018-09-21T14:10:34Z
dc.date.available2018-09-21T14:10:34Z
dc.date.issued2018
dc.identifier.issn0208-6018
dc.identifier.urihttp://hdl.handle.net/11089/25803
dc.description.abstractThe paper presents some real‑time analytical solutions that work in a proprietary‑designed system for IT security. It describes automatic methods of data transformations and analysis aiming at detection of potential threats (irregular system events, abnormal user behavior) both for time series and text documents without human supervision. Automation procedures used for time series and text documents are presented. Analyzed data was collected by Free Construction while protecting systems of electronic documents repositories (also including the Enterprise Content Management standards).en_GB
dc.description.abstractW pracy przedstawiono wybrane rozwiązania analityczne stosowane w czasie rzeczywistym w autorskim systemie bezpieczeństwa teleinformatycznego. Opisano metody wykorzystywane w celu wykrywania (bez nadzoru człowieka) potencjalnych zagrożeń – niepożądanych zdarzeń systemowych i zachowań użytkowników korzystających z dokumentów cyfrowych. Przestawiono procedury automatyzujące, stosowane w przypadku danych mających postać szeregów czasowych i dokumentów tekstowych. Poddane eksploracji dane pochodziły z testowego funkcjonowania oprogramowania zabezpieczającego systemy przechowywania dokumentów cyfrowych utworzonego przez firmę Free Construction.pl_PL
dc.language.isoplpl_PL
dc.publisherWydawnictwo Uniwersytetu Łódzkiegopl_PL
dc.relation.ispartofseriesActa Universitatis Lodziensis. Folia Oeconomica;337
dc.subjectICT systemsen_GB
dc.subjectelectronic documentsen_GB
dc.subjecttransformationsen_GB
dc.subjectdata mining methodsen_GB
dc.subjectsystemy teleinformatycznepl_PL
dc.subjectdokumenty cyfrowepl_PL
dc.subjectprzekształceniapl_PL
dc.subjectmetody eksploracji danychpl_PL
dc.titleAutomatyczne wykrywanie zagrożeń w systemach teleinformatycznych za pomocą metod Data Miningpl_PL
dc.title.alternativeAutomatic Threat Detection in ICT Systems by Selected Data Mining Methods and Softwareen_GB
dc.typeArticlepl_PL
dc.rights.holder© Copyright by Authors, Łódź 2018; © Copyright for this edition by Uniwersytet Łódzki, Łódź 2018pl_PL
dc.page.number39-52
dc.contributor.authorAffiliationFree Construction Sp. z o.o.
dc.contributor.authorAffiliationFree Construction Sp. z o.o.
dc.contributor.authorAffiliationFree Construction Sp. z o.o.
dc.identifier.eissn2353-7663
dc.referencesCichowicz T., Frankiewicz M., Rytwiński F., Wasilewski J., Zakrzewicz M. (2012), Anomaly Detection in Time Series for System Monitoring, „The Poznan School of Banking Research”, nr 40, s. 115–130.pl_PL
dc.referencesFriedman N., Geiger D., Goldszmidt M. (1997), Bayesian network classifiers, „Machine Learning”, t. 29(2–3), s. 131–163.pl_PL
dc.referencesHarvey A.C. (1990), Forecasting, structural time series models and the Kalman filter, Cambridge University Press, New York.pl_PL
dc.referencesHyndman R.J., Khandakar Y. (2007), Automatic time series for forecasting: the forecast package for R. Working paper 06/07, Monash University, Department of Econometrics and Business Statistics, Melbourne.pl_PL
dc.referencesLula P. (2005), Text mining jako narzędzie pozyskiwania informacji z dokumentów tekstowych, Stat-Soft Polska, https://media.statsoft.pl/_old_dnn/downloads/text_mining_jako_narzedzie_pozyskiwania.pdf [dostęp: 22.11.2016].pl_PL
dc.referencesLula P., Wójcik K., Tuchowski J. (2016), Feature‑based sentiment analysis of opinions in polish, „Research Papers of Wrocław University of Economics: Taxonomy 27. Classification and Data Analysis. Theory and Applications”, s. 153–164.pl_PL
dc.referencesMirończuk M. (2012), Review of methods and text data mining, „Studies and Materials in Applied Computer Science”, t. 4, nr 6, s. 25–42.pl_PL
dc.referencesMitrea C.A., Lee C.K.M., Wu Z. (2009), A comparison between neural networks and traditional forecasting methods: A case study, „International Journal of Engineering Business Management”, t. 1, s. 19–24.pl_PL
dc.referencesOkasha M.K., Yaseen A.A. (2013), Comparison between ARIMA models and artificial neural networks in forecasting Al‑Quds indices of Palestine stock exchange market, The 25th Annual International Conference on Statistics and Modeling in Human and Social Sciences, Departmentof Statistics, Faculty of Economics and Political Science, Cairo University, Cairo.pl_PL
dc.referencesSapała K., Piołun‑Noyszewski M., Weiss M. (2017), Porównanie wybranych metod statystycznych i metod sztucznej inteligencji do przewidywania zdarzeń w oprogramowaniu zabezpieczającym systemy przechowywania dokumentów cyfrowych, w tym systemy klasy Enterprise Content Management, „Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia 29. Klasyfikacja i analiza danych: teoria i zastosowania”, s. 159–166.pl_PL
dc.referencesZhang G.P. (2003), Time series forecasting using a hybrid ARIMA and neural network model, „Neurocomputing”, t. 50, s. 159–175.pl_PL
dc.contributor.authorEmailkamil.sapala@freeconstruction.pl
dc.contributor.authorEmailmarcin.noyszewski@freeconstruction.pl
dc.contributor.authorEmailmarcin.weiss@freeconstruction.pl
dc.identifier.doi10.18778/0208-6018.337.03
dc.relation.volume4pl_PL
dc.subject.jelC02


Files in this item

Thumbnail
Name:
0_3_39-52_Sapala K., Piolun-No ...
Size:
1017.Kb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record