| dc.contributor.author | Краснопрошин, Виктор Владимирович | |
| dc.contributor.author | Наумович, А. И. | |
| dc.coverage.spatial | Брест | ru_RU |
| dc.date.accessioned | 2021-02-12T12:10:06Z | |
| dc.date.available | 2021-02-12T12:10:06Z | |
| dc.date.issued | 2020 | |
| dc.identifier.citation | Краснопрошин, В. В. Интеллектуальный анализ программных аномалий / В. В. Краснопрошин, А. И. Наумович
// Вестник Брестского государственного технического университета. Серия: Физика, математика, информатика. – 2020. – № 5. – С. 21–25 : ил. – Библиогр.: с. 25 (10 назв.). | ru_RU |
| dc.identifier.uri | https://rep.bstu.by/handle/data/10609 | |
| dc.description | Krasnoproshin V. V., Naumovich A. I. INTELLIGENT ANALYSIS OF SOFTWARE ANOMALIES | ru_RU |
| dc.description.abstract | В работе рассмотрена актуальная прикладная проблема, связанная с анализом аномальных ситуаций в программных логах
на этапе исполнения программного продукта. Предложен подход к распознаванию аномальных событий, основанный на построении модели процесса исполнения программы в виде взвешенного орграфа, который отображает взаимосвязи между
функциями программы и ее переходами. Разработан комплекс оригинальных алгоритмов предобработки, анализа и распознавания данных, которые в совокупности эффективно решают поставленную задачу. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БрГТУ | ru_RU |
| dc.subject | программные логи | ru_RU |
| dc.subject | анамальная ситуация | ru_RU |
| dc.subject | формальная модель | ru_RU |
| dc.subject | нейронная сеть | ru_RU |
| dc.subject | классификатор | ru_RU |
| dc.subject | program logs | ru_RU |
| dc.subject | anomalous situation | ru_RU |
| dc.subject | formal model | ru_RU |
| dc.subject | neural network | ru_RU |
| dc.subject | classifier | ru_RU |
| dc.title | Интеллектуальный анализ программных аномалий | ru_RU |
| dc.type | Статья (Article) | ru_RU |
| dc.identifier.udc | 004.89 | ru_RU |
| dc.abstract.alternative | The paper considers an actual applied problem related to the analysis of abnormal situations in program logs. An approach for recognizing
anomalous events is proposed. The approach is based on constructing a program execution model in the form of a weighted digraph
that displays the relationship between program functions and its transitions. A set of original algorithms for data preprocessing, analysis,
and recognition has been developed. The algorithms effectively solve the stated problem. | ru_RU |
| dc.identifier.doi | https://doi.org/10.36773/1818-1212-2020-123-5-21-25 | |
