Проекты студентов:
Реализованные проекты:
Автор: С. В. Новиков Цель проекта – разработка веб-сервиса, позволяющего из единого интерфейса управлять виртуальными серверами, размещенными на различных гипервизорах. Для реализации поставленной задачи была использована среда разработки Microsoft Visual Studio, язык программирования C#, СУБД PostgreSQL. Система разработана с использованием микросервисной архитектуры с учетом концепции MVP (Мinimum Viable Product) – минимально жизнеспособного продукта. Работоспособность системы продемонстрирована на примере гипервизора Microsoft Hyper-V (платформа аппаратной виртуализации). Разработанный веб-сервис предназначен для компании ООО «Спектр плюс», поставщика облачных виртуальных ресурсов. Клиентами компании являются юридические и физические лица – представители малого и среднего бизнеса, использующие услуги в виде аренды удаленных рабочих столов по модели IaaS (Infrastructure as a Service).
Автор: А. В. Годес Цель проекта – разработка приложения для распознавания транспортного средства (ТС) на изображении, полученном с видеокамеры на автоматическом пункте весового и габаритного контроля. Также приложение осуществляет поиск данного ТС на изображениях с видеокамер, установленных на пунктах видеофиксации, расположенных по маршруту следования. Приложение написано на языке Java с использованием СУБД Oracle и библиотеки компьютерного зрения с открытым исходным кодом OpenCV. Для распознавания ТС использовался метод сопоставления изображений на основе особых точек. Проведен сравнительный анализ дескрипторов особых точек изображений в условиях искажений. Для использования в приложении был выбран дескриптор AKAZE, использующий алгоритм быстрой явной диффузии FED. При тестировании работы приложения на реальных данных вероятность распознавания ТС составила не менее 0,9. Проект разработан для ГКУ СО «Управление автомобильных дорог».
Автор: А. С. Суслов Цель проекта – разработка программного обеспечения (ПО) классификации сетевого трафика для обнаружения атак на конечные узлы компьютерных сетей. Для классификации использовались алгоритмы машинного обучения с учителем. При разработке ПО применялись архитектура REST, язык Python, фреймворк Django, СУБД PostgreSQL, библиотеки Pandas, ScikitLearn и Pickle. Развёртывание приложения осуществлялось на ОС Debian Linux с использованием веб-сервера Nginx и сервера приложений uWSGI. В качестве эталонных был взят набор данных CICIDS2017 Intrusion Detection Evaluation Dataset (CIC-IDS2017), разработанный сотрудниками Канадского института кибербезопасности (Canadian Institute for Cybersecurity). Тестирование ПО показало высокую точность классификации для большинства типов атак. Разработанное ПО предназначено для бесплатного использования по лицензии GNU GPL версии 3.
