Hellhound AI

Představení projektu

Cílem projektu Hellhound AI je provést detailní behaviorální analýzu uživatelů studijního systému Vysoké školy ekonomické v Praze a za pomocí algoritmů strojového učení detekovat anomálie v jejich každodenním chování. Důvod pro provedení této analýzy je odhalení podezřelého chování uživatelů, jejichž přihlašovací údaje byly kompromitovány, nebo kteří se sami dopouštějí nedovoleného používání studijního systému. Výsledkem bude prototyp systému s prvky umělé inteligence, který by byl schopen na denní bázi detekovat tyto anomálie. Výzvou nebude jen sestrojit systém pro jednorázovou detekci podezřelého chování, ale rádi bychom do algoritmu zařadili i schopnost učit se. Projekt Hellhound AI je navržen tak, aby se k němu mohly připojit další univerzity z celého světa, spolupracovat na jeho zdokonalování a zároveň těžit z jeho nasazení.

 

Tým lidí

Ing. Karel Šimeček, Ph.D.

• Architekt SW

Ing. Lukáš Švarc, Ph.D.

• Senior AI analytik

Ing. Pavel Strnad, Ph.D.

• Senior AI analytik

Tomáš Skřivan

• Vedoucí projektu – VŠE

Ing. Matěj Kučera

• Vývojář SW

Martin Charvát

• Vývojář SW

 

Dřívější účastníci:

Ing. Jaroslav Flégl

Ing. Tomáš Švarc

Ing. Jiří Zettel

Ing. Lukáš Sýkora

Bc. Jiří Mareš

Bc. Jakub Kříž

prof. Ing. Petr Berka, CSc.

prof. RNDr. Jiří Ivánek, CSc.

doc. Ing. Tomáš Kliegr, Ph.D.

 

 

Publikace

2023

STRNAD, Pavel & ŠVARC, Lukáš. Synthetic Dataset Generator for Anomaly Detection in a University Environment [online]. In: Intelligent Data Analasis, vol. 27, no. 2, pp. 417-422, 2023. Dostupné z: https://content.iospress.com/articles/intelligent-data-analysis/ida216511

2021

STRNAD, Pavel. Towards complex anomaly detection algorithms. In: Sborník prací účastníků vědeckého semináře doktorského studia Fakulty informatiky a statistiky VŠE – abstrakty [online]. Praha, 11.02.2021. Praha : Vysoká škola ekonomická v Praze, Nakladatelství Oeconomica, 2021, s. 10. ISBN 978-80-245-2410-8. Dostupné z: https://fis.vse.cz/wp-content/uploads/page/7965/DD_FIS_2021_SBORNIK.pdf.

ŠVARC, Lukáš. Anomaly Detection Algorithms in University Environment. In: Sborník prací účastníků vědeckého semináře doktorského studia Fakulty informatiky a statistiky VŠE – abstrakty [online]. Praha, 11.02.2021. Praha : Vysoká škola ekonomická v Praze, Nakladatelství Oeconomica, 2021, s. 12–13. ISBN 978-80-245-2410-8. Dostupné z: https://fis.vse.cz/wp-content/uploads/page/7965/DD_FIS_2021_SBORNIK.pdf.

ŠVARC, Lukáš & STRNAD, Pavel. Automated Computer Attacks Detection in University Environment. In: Acta Informatica Pragensia [online], 2021. ISSN 18054951. Dostupné z: https://aip.vse.cz/corproof.php?tartkey=aip-000000-0164

ŠVARC, Lukáš, STRNAD, Pavel. A Comparison of Students Cheating in Computer Face-to-face and Online Examination. In: IDIMT-2021 Pandemics: Impacts, Strategies and Responses [online]. Kutná Hora, 01.09.2020 – 03.09.2020. Linz : Trauner Verlag, 2021, s. 475–482. ISBN 978-3-99113-261-5. Dostupné z: https://idimt.org/wp-content/uploads/2021/08/IDIMT-2021-proceedings.pdf.

 

2020

STRNAD, Pavel, ŠVARC, Lukáš. Benchmarking of anomaly detection algorithms on automated password attacks. In: IDIMT-2020 Digitalized Economy, Societyand Information Management [online]. Kutná Hora, 02.09.2020 – 04.09.2020. Linz : Trauner Verlag, 2020, s. 237–244. ISBN 978-3-99062-958-1. Dostupné z: https://idimt.org/wp-content/uploads/2020/07/IDIMT_proceedings_2020.pdf.

SÝKORA, Lukáš, KLIEGR, Tomáš. Action Rules: Counterfactual Explanations in Python. In: RuleML+RR 2020 International Rule Challenge, Doctoral Consortium, and Industry Track [online]. Oslo, 29.06.2020 – 01.07.2020. Cáchy : CEUR-WS, 2020, s. 28–41. ISSN 1613-0073. Dostupné z: http://ceur-ws.org/Vol-2644/paper36.pdf.

HAHSLER, Michael, JOHNSON, Ian, KLIEGR, Tomáš, KUCHAŘ, Jaroslav. Associative Classification in R: arc, arulesCBA, and rCBA. R Journal [online]. 2019, roč. 11, č. 2, s. 254–267. ISSN 2073-4859. Dostupné z: https://journal.r-project.org/archive/2019/RJ-2019-048/RJ-2019-048.pdf.

 

2019

ZETTEL, Jiří, BERKA, Petr. Study of anonymization techniques for logging data from university information system. In: IDIMT-2019 Innovation and Transformation in a Digital World [online]. Kutná Hora, 04.09.2019 – 06.09.2019. Linz : Trauner Verlag, 2019, s. 237–244. ISBN 978-3-99062-590-3. Dostupné z: https://idimt.org/wp-content/uploads/2019/08/IDIMT-2019-proceedings.pdf.

ZETTEL, Jiří. Anonymization of the University Information System Log Data: a Case Study. In: RuleML+RR 2019 Doctoral Consortium and Rule Challenge [online]. Bolzano, 16.09.2019 – 19.09.2019. Itálie : CEUR-WS, 2019. 8 s. ISSN 1613-0073. Dostupné z: http://ceur-ws.org/Vol-2438/paper4.pdf.

KLIEGR, Tomáš, KUCHAŘ, Jaroslav. Tuning Hyperparameters of Classification Based on Associations (CBA). In: ITAT 2019 Information Technologies –Applications and Theory [online]. Donovaly, 20.09.2019 – 24.09.2019. Cáchy : CEUR-WS, 2019, s. 9–16. ISSN 1613-0073. Dostupné z: http://ceur-ws.org/Vol-2473/paper8.pdf.

ŠVARC, Lukáš, STRNAD, Pavel. Recent anomaly detection approaches in computer networks. In: IDIMT-2019 Innovation and Transformation in a Digital World [online]. Kutná Hora, 04.09.2019 – 06.09.2019. Linz : Trauner Verlag, 2019, s. 229–236. ISBN 978-3-99062-590-3. Dostupné z: https://idimt.org/wp-content/uploads/2019/08/IDIMT-2019-proceedings.pdf.

Fondy

Spolupráce

 

Výstupy

Synthetic Dataset Generator for Anomaly Detection in a University Environment

Tento generátor obsahuje anonymizovaná data z logů informačního systému Vysoké školy ekonomické v Praze; dokáže tato data časově škálovat a také provádět vkládání dat do vzorců chování kybernetických útočníků. Anonymizovaná data stále obsahují vzorce chování uživatelů; proto lze detekovat individuální anomální chování. Byly vybrány různé typy reálných vzorců chování při útoku v univerzitním prostředí; používají se k demonstraci chování útočníků v synteticky vytvořených systémových protokolech.

Ke stažení na: https://github.com/HellhoundAI/Synthetic-Dataset-Generator