Bakalářské práce
Detekce těžby kryptoměn na základě periodického chování síťové komunikace
Autor
Vojtěch Chvojka
Rok
2023
Typ
Bakalářská práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Michal Štepanovský, Ph.D.
Katedra
Anotace
Tato bakalářská práce se zabývá detekcí těžby kryptoměn ze síťového provozu. Takový provoz je zpravidla šifrovaný. Periodické vlastnosti síťové komunikace jsou jako vstup strojového učení vhodné proto, že je lze aplikovat i na šifrovanou komunikaci. Byl vytvořen program, který na základě analýzy a testování statistických klasifikátorů vybral klasifikátor XGBoost a vybral periodické vlastnosti síťových toků, které vyhodnotil jako nejvýznamnější pro detekci těžby kryptoměn. Na testovacích datech se podařilo dosáhnout specificity 99,77 \% a senzitivity 98,39 \%.
Analýza časových řad v exportéru síťových toků
Autor
David Kežlínek
Rok
2023
Typ
Bakalářská práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Jaroslav Pešek
Katedra
Anotace
Tato práce se v první části zabývá problematikou monitorování počítačových sítí pomocí síťových toků. Dále se práce zabývá analýzou časových řad získaných z těchto síťových toků se zaměřením na získávání jejich atributů.
Výsledkem této práce je nový modul pro open source exportér síťových toků ipfixprobe. Tento nový modul umožňuje rozšířit záznamy o síťových tocích o atributy získané z analýzy časových řad. Tyto atributy mohou v budoucnu sloužit jako vstupní data pro detekci hrozeb na základě strojového učení.
Klasifikace typu zařízení ze síťového provozu ISP sítě pomocí shlukovacích metod
Autor
Karel Mudruňka
Rok
2024
Typ
Bakalářská práce
Vedoucí
Ing. Josef Koumar
Oponenti
doc. Ing. Tomáš Čejka, Ph.D.
Katedra
Anotace
Tato bakalářská práce se zabývá klasifikací typu zařízení ze síťového provozu na základě volumetrických informací o jejich síťové komunikaci pomocí shlukování. Datová sada poskytnutá k hledání vhodného modelu je tvořena časovými řadami informací o síťové komunikaci jednotlivých zařízení v síti CESNET3. Na základě literatury, struktury dat a experimentů je vybrána vhodná shlukovací metoda pro danou úlohu. Výstupem práce je shlukovací klasifikační model s průměrnou testovací přesností 90 \% a makro F1 skórem 0,7. Hlavní předností navrženého modelu je jeho konzistence úspěšnosti predikcí v čase.
Detekce botnetů pomocí periodického chování síťového provozu
Autor
Dominik Oškera
Rok
2025
Typ
Bakalářská práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Jiří Smítka
Katedra
Anotace
S rostoucím počtem zařízení připojených k internetu se výrazně zvýšil také počet systémů kompromitovaných botnety. Botnety, forma škodlivého softwaru, představují vážnou kybernetickou hrozbu pro každou moderní organizaci připojenou k internetu. Vzhledem k široké škále útoků a technik šíření, kterými jsou vybaveny, zůstává detekce aktivních botnetů v síti složitým úkolem.
V této práci navrhujeme novou techniku detekce botnetů založenou na periodických komunikačních vzorcích mezi klienty botnetu a jejich řídicími (C\&C) servery. Tato metoda je pozoruhodná tím, že ji lze aplikovat i na šifrovaný provoz. Navržený přístup jsme vyhodnotili pomocí algoritmů strojového učení na zavedeném datasetu botnetů CTU-13 a nově vytvořeném datasetu CESNET-CC25, který jsme sestavili s využitím nejnovějších variant botnetů.
Implementace knihovny pro uživatelsky přívětivé poskytování datových sad
Autor
Milan Kureš
Rok
2025
Typ
Bakalářská práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Richard Plný
Katedra
Anotace
Tato bakalářská práce se zabývá implementací Python knihovny, která slouží k poskytování datových sad časových řad ze síťového provozu. V počátečních kapitolách je proveden průzkum již existujících nástrojů, který je následován průzkumem poskytovaných datových sad, analýzou možných problémů, návrhem struktury knihovny a nakonec implementací knihovny a jejím testováním.
Implementovaná knihovna poskytuje datové sady časových řad a umožňuje snadné předzpracování jejích dat. Navíc k tomu nabízí nástroje, které napomáhají k reprodukovatelnosti experimentů a porovnatelnosti modelů.
Webová aplikace pro monitorování a správu systému pro detekci anomálií
Autor
Maxim Kalvoda
Rok
2025
Typ
Bakalářská práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Richard Plný
Katedra
Anotace
Tato aplikace se zabývá realizací webové aplikace pro konfiguraci a prohlížení dat z existujícího systému pro detekci anomálií v síťovém provozu. Aplikace uživatelům nabídne přehledné a intuitivní prostředí pro sledování dat ve formě časových řad, zobrazení výstupů modelů pro detekci anomálií a jasné prezentování detekovaných dílčích anomálií i celkových incidentů.
V Práci byla nejdříve vyhotovena rešerše dostupných rozhraní a technologií, a poté byla provedena analýza požadavků, návrh a implementace.
Výsledkem je dvouvrstvá webová aplikace napsaná v jazyce JavaScript pomocí frameworků Nest.js a Vue.js. Aplikace komunikuje s PostgreSQL databází systému a umožňuje filtrování a vyhledávání IP adres, zobrazování jejich vlastností a nahlížení do jejich časových řad. Pomocí aplikace také lze nastavovat parametry systému pro detekci anomálií.
Detekce anomálií v síťovém provozu na základě pozorování
Autor
Klára Nosková
Rok
2025
Typ
Bakalářská práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Jaroslav Pešek
Katedra
Anotace
Tato bakalářská práce se zabývá detekcí anomálií v síťovém provozu, která je zásadní pro odhalování nových bezpečnostních hrozeb v moderních počítačových sítích. Cílem práce je navrhnout, implementovat a experimentálně vyhodnotit metodu detekce anomálií na základě chování jednotlivých IP adres, s využitím reálných dat ze sítě CESNET3. Řešení využívá algoritmus Isolation Forest v kombinaci s novou metodou předzpracování dat ve formě agregace top-x unikátních záznamů.
Výsledky ukazují, že navržený přístup spolehlivě identifikuje různé typy anomálií, včetně síťových skenů, a na testovací sadě dosahuje Precision 100 %. Ačkoli je této vysoké Precision dosaženo na úkor nižší hodnoty Recall, nízký výskyt falešně pozitivních výsledků umožňuje analytikům zaměřit se na nejvýznamnější incidenty. Navržená metoda je využitelná pro zvyšování úrovně kybernetické bezpečnosti v reálných scénářích.
Benchmarking předpovídání síťového provozu
Autor
Ondřej Skácel
Rok
2026
Typ
Bakalářská práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Ivo Petr, Ph.D.
Katedra
Anotace
Předpovídání síťového provozu je důležité pro plánování kapacity, detekci anomálií a zabezpečení sítí, přesto síťový provoz v existujících benchmarcích pro časové řady zcela chybí. Stávající hodnocení slučují různorodé časové řady do jednoho žebříčku, čímž zakrývají selhání modelů na datech s konkrétními vlastnostmi. V rámci této práce bylo vytvořeno pět diagnostických benchmarků z datasetu CESNET-TimeSeries24, z nichž každý izoluje jednu strukturální vlastnost (sezónnost, datový drift, periodickou přerušovanou aktivitu, režim pracovních stanic nebo absenci časové struktury) pomocí předem definovaných selekčních kritérií. Výsledná sada obsahuje 532 časových řad na třech úrovních agregace a ve dvou časových rozlišeních. Deset predikčních modelů z rodin statistických modelů, hlubokého učení a zero-shot foundation modelů je porovnáno pomocí frameworku implementovaného v rámci této práce. Foundation modely dosahují nejlepších celkových pořadí a snižují chybu předpovědi až o 36 % oproti referenční metodě. Pořadí se ale liší napříč benchmarky: rekurentní modely překonávají všechny foundation modely na vzorcích aktivity pracovních stanic. Tyto rozdíly závislé na typu benchmarku by byly skryty pod jedním souhrnným žebříčkem.
Detekce anomálií v lozích pomocí analýzy časových řad
Autor
Tobiáš Růžička
Rok
2026
Typ
Bakalářská práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Jan Dolejš
Katedra
Anotace
Tato bakalářská práce se zabývá problematikou detekce anomálií v logovacích záznamech prostřednictvím analýzy časových řad. S rostoucí komplexitou moderních distribuovaných systémů, jako je platforma Kubernetes, se tradiční metody založené na statických pravidlech stávají nedostatečnými. Práce navrhuje vícestupňovou architekturu zahrnující automatizovanou extrakci informací ze surových logů pomocí vzorů Grok, jejich transformaci na strukturované časové řady a následnou analýzu založenou na predikčním přístupu k detekci anomálií. V rámci experimentální části bylo vyhodnoceno několik predikčních architektur, včetně hlubokých neuronových sítí typu LSTM a stromových modelů Random Forest a XGBoost. Výsledky experimentu na reálných datech ukázaly, že nejvyšší úspěšnosti dosahuje model LSTM obohacený o exogenní příznaky se statickým detekčním prahem. Práce zároveň identifikuje limity zvoleného přístupu, zejména v oblasti detekce pozvolných lineárních driftů, a navrhuje možnosti dalšího rozvoje směrem k vícekrokové predikci.
Automatická L1 podpora pomocí LLM
Autor
Ondřej Kasal
Rok
2026
Typ
Bakalářská práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Richard Plný
Katedra
Anotace
Tato bakalářská práce se zabývá návrhem a implementací systému založeného na Retrieval-Augmented Generation pro prostředí L1 podpory. Cílem systému je podporovat generování odpovědí na uživatelské otázky pomocí vyhledávání relevantních informací ze znalostní báze, které lze použít k rozšíření promptu předaného velkému jazykovému modelu.
Implementovaný systém poskytuje funkcionalitu pro přidávání a správu dokumentů ve znalostní bázi, generování odpovědí na otázky, prohlížení auditních záznamů vygenerovaných odpovědí a vytváření nových návrhů znalostí z vyřešených tiketů.
Systém byl implementován v jazyce Python. Komunikuje s vektorovou databází Qdrant, která slouží k ukládání vektorových reprezentací a k vyhledávání sémanticky podobných dokumentů na základě uživatelských otázek. Pro demonstraci funkcionality systému byla implementována frontendová aplikace v Reactu.
Systém byl otestován a RAG pipeline byla vyhodnocena pomocí připravené znalostní báze a připravené sady otázek z oblasti podpory první úrovně.
Diplomové práce
Evaluace existujících metod detekce anomálií založených na neuronových sítích na vysokorychlostním síťovém provozu
Autor
Timotej Smoleň
Rok
2025
Typ
Diplomová práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Jaroslav Pešek
Katedra
Anotace
Detekcia anomálií v sieťovej prevádzke je nevyhnutná pre správu siete a kybernetickú bezpečnosť. V tejto práci vyhodnocujeme existujúce metódy detekcie anomálií založené na neurónových sieťach na dátovej sade z vysokorýchlostnej siete pomocou metód nesupervizovaného učenia. Zameriavame sa na hodnotenie z hľadiska zvládania jedinečných výziev, predkladaných vysokorýchlostnou sieťovou prevádzkou, vrátane veľkého objemu, rýchlosti a rozmanitosti dát ako aj nasaditeľnosti modelov.
Webová aplikace pro evidenci majetku s klientskou konfigurací
Autor
Rebeka Vozáriková
Rok
2026
Typ
Diplomová práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Marek Suchánek, Ph.D. et Ph.D.
Katedra
Anotace
Tato práce se zaměřuje na přiblížení domény evidence a revize majetku,
jejímž cílem je vytvoření webové aplikace sloužící jako systém pro správu
zařízení a majetku klienta, doplněný o funkcionalitu zaznamenávání revizí.
Realizované řešení se skládá ze tří mikroslužeb napsaných ve frameworku ASP.NET Core.
Frontendová část řešení je vytvořena v technologii Blazor.
Aplikace funguje na principu multitenant aplikace, kde klient v roli admina
může konfigurovat různé možnosti parametrů majetku pro firmu,
jako jsou například lokace, štítky, moduly, uživatelské role,
a v doméně revizí také měřicí přístroje a s nimi spojené úkony.
Klasifikace QUIC provozu
Autor
Vojtěch Kváš
Rok
2026
Typ
Diplomová práce
Vedoucí
Ing. Josef Koumar
Oponenti
Ing. Ivo Petr, Ph.D.
Katedra
Anotace
Tato práce vyhodnocuje záznamy NetTiSA pro klasifikaci síťového provozu
QUIC za pomoci CESNET-QUIC22 datasetu. Výzkum adaptuje architektury
multimodálních CNN a LightGBM. Na základě vyhodnocení přesnosti (ac-
curacy) a úplnosti (recall) klasifikace, společně s analýzou časové degradace
způsobené datovým driftem, tato studie ukazuje efektivitu NetTiSA pro iden-
tifikaci provozu