[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-0-en-105":3,"doc-seo-291218-105":59,"doc-detail-291218-en":130},{"code":4,"msg":5,"data":6},0,"success",[7,13,18,23,28,33,38,43,48,51,55],{"id":8,"doc_module":4,"doc_module_name":9,"category_name":10,"show_sort_weight":11,"slug":12},1,"Document","Story & Novel",90,"story-novel",{"id":14,"doc_module":4,"doc_module_name":9,"category_name":15,"show_sort_weight":16,"slug":17},2,"Literature",80,"literature",{"id":19,"doc_module":4,"doc_module_name":9,"category_name":20,"show_sort_weight":21,"slug":22},4,"Exam",70,"exam",{"id":24,"doc_module":4,"doc_module_name":9,"category_name":25,"show_sort_weight":26,"slug":27},5,"Comic",60,"comic",{"id":29,"doc_module":4,"doc_module_name":9,"category_name":30,"show_sort_weight":31,"slug":32},6,"Technology",50,"technology",{"id":34,"doc_module":4,"doc_module_name":9,"category_name":35,"show_sort_weight":36,"slug":37},7,"Healthcare",40,"healthcare",{"id":39,"doc_module":4,"doc_module_name":9,"category_name":40,"show_sort_weight":41,"slug":42},8,"Research & Report",30,"research-report",{"id":44,"doc_module":4,"doc_module_name":9,"category_name":45,"show_sort_weight":46,"slug":47},9,"Religion & Spirituality",20,"religion-spirituality",{"id":46,"doc_module":4,"doc_module_name":9,"category_name":49,"show_sort_weight":46,"slug":50},"World Cup","world-cup",{"id":52,"doc_module":4,"doc_module_name":9,"category_name":53,"show_sort_weight":52,"slug":54},10,"Lifestyle","lifestyle",{"id":56,"doc_module":4,"doc_module_name":9,"category_name":57,"show_sort_weight":24,"slug":58},19,"General","general",{"code":4,"msg":60,"data":61},"ok",{"site_id":62,"language":63,"slug":64,"title":65,"keywords":66,"description":67,"schema_data":68,"social_meta":123,"head_meta":125,"extra_data":127,"updated_unix":129},105,"lt","analysis-of-machine-learning-based-defense-methods-against-ddos-attacks-bachelor-thesis","Mašinininiu mokymu grįstų apsaugos metodų prieš DDoS atakas analizė - Bakalauro baigiamasis darbas","","Šiame darbe nagrinėjamas mašininis mokymasis kaip apsaugos priemonė prieš DDoS atakas. DDoS atakų skaičius, pasiekiamumas ir padaroma žala didėja, o tradicinės apsaugos priemonės gali sumažinti šiuos rodiklius, tačiau problema išlieka aktuali programų sistemoms. Siūlomas požiūris remiasi mašininio mokymo modeliais, kurie atpažįsta atakas pagal duomenyse išmoktas užklausų srautų sąsajas, o ne pagal žmogaus apibrėžtas taisykles. Atliekamas modelių testavimas ir palyginimas, analizuojant tikslumo priklausomybę nuo atakos užklausų siuntimo greičio.",{"@graph":69,"@context":122},[70,84,105],{"@type":71,"itemListElement":72},"BreadcrumbList",[73,77,79,82],{"item":74,"name":75,"@type":76,"position":8},"https://docshare.wps.com","Home","ListItem",{"item":78,"name":9,"@type":76,"position":14},"https://docshare.wps.com/document/",{"item":80,"name":40,"@type":76,"position":81},"https://docshare.wps.com/document/research-report/",3,{"item":83,"name":65,"@type":76,"position":19},"https://docshare.wps.com/document/analysis-of-machine-learning-based-defense-methods-against-ddos-attacks-bachelor-thesis/291218/",{"url":83,"name":65,"@type":85,"image":86,"author":91,"headline":65,"publisher":94,"fileFormat":97,"inLanguage":63,"description":67,"dateModified":98,"datePublished":99,"encodingFormat":97,"isAccessibleForFree":100,"interactionStatistic":101},"DigitalDocument",{"url":87,"@type":88,"width":89,"height":90},"https://docshare.wps.com/thumbnails/analysis-of-machine-learning-based-defense-methods-against-ddos-attacks-bachelor-thesis/291218.png","ImageObject",300,407,{"name":92,"@type":93},"Ophelia","Person",{"url":74,"name":95,"@type":96},"DocShare","Organization","application/pdf","2026-10-18","2026-09-17",true,{"@type":102,"interactionType":103,"userInteractionCount":19},"InteractionCounter",{"@type":104},"ViewAction",{"@type":106,"mainEntity":107},"FAQPage",[108,114,118],{"name":109,"@type":110,"acceptedAnswer":111},"Kuo mašininis mokymasis skiriasi nuo tradicinių DDoS apsaugos metodų šiame darbe?","Question",{"text":112,"@type":113},"Darbe teigiama, kad mašininio mokymo modeliai atakas atpažįsta pagal duomenyse išmoktas atpažinimo užklausų srauto šablonų sąsajas, o ne pagal žmogaus apibrėžtas taisykles. Tradicinės priemonės gali mažinti rodiklius, tačiau atakos išlieka reikšminga problema.","Answer",{"name":115,"@type":110,"acceptedAnswer":116},"Kaip atliekamas tirtų mašininio mokymo modelių testavimas?",{"text":117,"@type":113},"Modeliai testuojami sudarant ir įvedant tinklo srauto duomenis, kurie surenkami testavimo metu puolant sistemą DDoS ataka. Palyginimui naudojami gauti rezultatai ir tikslumo rodikliai.",{"name":119,"@type":110,"acceptedAnswer":120},"Nuo ko priklauso modelių tikslumas pagal pateiktus rezultatus?",{"text":121,"@type":113},"Rezultatai rodo, kad modelių tikslumas priklauso nuo atakos siunčiamų užklausų siuntimo greičio. Taip pat įvardijama, kad svarbios kintamųjų įtakos tikslumui priklauso nuo konkretaus modelio.","https://schema.org",{"og:url":83,"og:type":124,"og:title":65,"og:site_name":95,"og:description":67},"article",{"robots":126,"canonical":83},"index,follow",{"doc_id":128,"site_id":62},291218,1790506576,{"code":4,"msg":5,"data":131},{"doc_id":128,"user_id":132,"nickname":92,"user_avatar":133,"doc_module":4,"category_id":39,"category_name":40,"doc_title":65,"doc_description":67,"doc_content":134,"file_id":135,"file_url":136,"file_type":137,"file_size":138,"view_count":19,"is_deleted":4,"is_public":8,"is_downloadable":8,"audit_status":8,"page_count":139,"language":140,"language_code":63,"site_id":62,"html_lang":141,"table_of_contents":142,"faqs":143,"seo_title":144,"seo_description":67,"update_tm":145,"read_time":146,"preview_page_count":4},7971461741311,"https://ap-avatar.wpscdn.com/avatar/74000253aff267980c6?x-image-process=image/resize,m_fixed,w_180,h_180&k=1779345379180704826","VILNIAUS UNIVERSITETAS  \nMATEMATIKOS IR INFORMATIKOS FAKULTETAS PROGRAMŲ SISTEMŲ BAKALAURO STUDIJŲ PROGRAMA  \nMašininiu mokymu grįstų apsaugos metodų prieš  \nDDoS atakas analizė  \nAnalysis of defense methods against DDoS attacks based on  \nmachine learning  \nBakalauro baigiamasis darbas  \nAtliko:  \nDarbo vadovas:  \nDarbo recenzentas:  \nRytis Čepulis  \nLekt. Šimkus Aurimas  \nProf. dr. Virginijus Marcinkevičius  \n(parašas)  \n(parašas)  \n(parašas)  \nSantrauka  \nŠiame darbe nagrinėjamas mašininis mokymasis kaip apsaugos priemonė prieš DDoS ata‑ kas. DDoS atakų skaičius, pasiekiamumas ir padaroma žala kyla. Tradicinės apsaugos priemonėsprieš DDoS sumažina šiuos skaičius, tačiau šios atakos vis dar išlieka didžiulė problema programų sistemoms. Todėl verta šios problemos sprendimui naudoti modernią technologiją – mašininį mokymą . Didžiausias jos privalumas yra tai, kad DDoS atakos gali būti atpažįstamos ne pagal žmogaus aprašytas taisykles, o pagal šablonus, kuriuos mašininio mokymo modelis susikuria mo‑ kydamasis iš daugybės atakų ir normalaus tinklo srauto pavyzdžių . Mašininio mokymosi modeliai gali drastiškai skirtis vieni nuo kitų, todėl juos svarbu gebėti ištestuoti ir palyginti. Taigi šiame dar‑ be bandoma ištestuoti modeliai sukuriant ir paduodant modeliams tinklo srauto duomenis gautus testavimo metu puolant sistemą DDoS ataka. Gauti rezultatai parodo kuris iš testuotų modelių yra efektyvesnis, taip pat nuo ko priklauso modelių tikslumas ir kaip jų tikslumas priklauso nuo DDoS atakos siunčiamų užklausų siuntimo greičio.  \nRaktiniai žodžiai: mašininis mokymasis, apsauga nuo DDoS atakų, mašininio mokymomodelio testavimas  \nSummary  \nIn this paper, machine learning for protection against DDoS attacks is investigated. Damage caused by DDoS attacks together with the number and accessibility of them is increasing. Tra‑ ditional methods of protection against DDoS can decrease these numbers, however, the attacks still remain an immense problem for software. Because of this, it is beneficial to use a modern technology such as machine learning to solve this problem. Machine learning’s biggest advantage is its ability to recognize DDoS attacks by using patterns learned from an immense number of DDoS attacks and normal traffic examples, rather than from human‑defined rules. Machine le‑ arning models can differ significantly from one another, thus, it is important to test and compare them. Therefore, in this paper models are tested by creating and inputting traffic data collected during a DDoS attack. The findings show which model performed better, how models’ accuracy depended on the speed at which attack requests were sent and indicate which variables influence the accuracy of a specific model the most.  \nKeywords: machine learning, protection against DDoS attacks, testing of a machine learning model  \nTURINYS  \nĮVADAS ............................................................................................ 6  \n1. DDOS ATAKOS IR JŲ TIPAI ................................................................. 8  \n1.1. Tinklo arba perdavimo lygmenimis grįstos atakos ........................................ 8  \n1.1.1. Užtvindymo atakos .................................................................. 9  \n1.1.2. Protokolo išnaudojimo atakos ....................................................... 9  \n1.1.3. Atspindžio atakos .................................................................... 9  \n1.1.4. Amplifikacijos atakos ................................................................ 9  \n1.2. Taikymo lygmens DDoS atakos ........................................................... 10  \n1.2.1. Atspindžio ir amplifikacijos atakos ................................................. 10  \n1.2.2. [HTTP u](HTTP u)žtvindymo atakos........................................................... 10  \n1.3. Apibendrinimas ............................................................................ 11  \n2. TRADICINIAI APSAUGOS PRIEŠ DDOS ATAKĄ METODAI ......","cbCaigTFIRqWnDLK","https://ap.wps.com/l/cbCaigTFIRqWnDLK","pdf",1473823,38,"Lithuanian","en","# ĮVADAS\n# 1. DDOS ATAKOS IR JŲ TIPAI\n## 1.1. Tinklo arba perdavimo lygmenimis grįstos atakos\n## 1.2. Taikymo lygmens DDoS atakos\n# 2. TRADICINIAI APSAUGOS PRIEŠ DDOS ATAKĄ METODAI\n## 2.1. Proaktyvios apsaugos priemonės\n## 2.2. Reaktyvios apsaugos priemonės\n# 3. MAŠININIU MOKYMU GRĮSTI APSAUGOS NUO DDOS ATAKŲ METODAI\n## 3.1. Pagrindiniai veikimo principai\n## 3.2. Tradicinis būdas įvertinti modelius\n# 4. PASIRUOŠIMAS MODELIŲ TESTAVIMUI\n## 4.1. Komponentai\n## 4.2. Apibendrinimas","[{\"question\":\"Kuo mašininis mokymasis skiriasi nuo tradicinių DDoS apsaugos metodų šiame darbe?\",\"answer\":\"Darbe teigiama, kad mašininio mokymo modeliai atakas atpažįsta pagal duomenyse išmoktas atpažinimo užklausų srauto šablonų sąsajas, o ne pagal žmogaus apibrėžtas taisykles. Tradicinės priemonės gali mažinti rodiklius, tačiau atakos išlieka reikšminga problema.\"},{\"question\":\"Kaip atliekamas tirtų mašininio mokymo modelių testavimas?\",\"answer\":\"Modeliai testuojami sudarant ir įvedant tinklo srauto duomenis, kurie surenkami testavimo metu puolant sistemą DDoS ataka. Palyginimui naudojami gauti rezultatai ir tikslumo rodikliai.\"},{\"question\":\"Nuo ko priklauso modelių tikslumas pagal pateiktus rezultatus?\",\"answer\":\"Rezultatai rodo, kad modelių tikslumas priklauso nuo atakos siunčiamų užklausų siuntimo greičio. Taip pat įvardijama, kad svarbios kintamųjų įtakos tikslumui priklauso nuo konkretaus modelio.\"}]","Mašinininiu mokymu grįstų apsaugos metodų prieš DDoS atakas analizė - Bakalauro baigiamasis darbas | PDF",1789643767,96]