Показати скорочену інформацію

Detecting anomalies in program behavior using statistical methods

dc.contributor.authorЛавренюк, А. О.uk
dc.contributor.authorСавелко, Р. О.uk
dc.contributor.authorШарко, Ю. О.uk
dc.contributor.authorЧерноволик, Г. О.uk
dc.contributor.authorМайданюк, В. П.uk
dc.contributor.authorLavreniuk, A. O.en
dc.contributor.authorSavelko, R. O.en
dc.contributor.authorSharko, Y. O.en
dc.contributor.authorChernovolyk, H. O.en
dc.contributor.authorMaidaniuk, V. P.en
dc.date.accessioned2026-09-03T10:40:46Z
dc.date.available2026-09-03T10:40:46Z
dc.date.issued2026
dc.identifier.citationЛавренюк А. О., Савелко Р. О., Шарко Ю. О., Черноволик Г. О., Майданюк В. П. Detecting anomalies in program behavior using statistical methods // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/26519.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/53396
dc.description.abstractThe theses analyzes statistical methods for anomaly detection in program behavior. It examines three classes of methods: Statistical Process Control (SPC), regression-based models, and density-based approaches (LOF). The principles, advantages, disadvantages, and application areas for each method are analyzed.en
dc.description.abstractУ тезах розглянуто статистичні методи виявлення аномалій у поведінці програм. Розглянуто три класи методів: статистичний контроль процесів (SPC), регресійні моделі та підходи на основі щільності (LOF).uk
dc.language.isoen_USen_US
dc.publisherВНТУuk
dc.relation.ispartofМатеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/26519
dc.subjectвиявлення аномалійuk
dc.subjectвиявлення викидівuk
dc.subjectповедінка програмuk
dc.subjectстатистичні методиuk
dc.subjectкібербезпекаuk
dc.subjectвиявлення вторгненьuk
dc.subjectстатистичний контроль процесів (SPC)uk
dc.subjectCUSUMen
dc.subjectEWMAen
dc.subjectрегресія часовихрядівuk
dc.subjectлокальний фактор аномальності (LOF)uk
dc.subjectAnomaly Detectionen
dc.subjectOutlier Detectionen
dc.subjectProgram Behavioren
dc.subjectStatistical Methodsen
dc.subjectCybersecurityen
dc.subjectIntrusionDetectionen
dc.subjectStatistical Process Control (SPC)en
dc.subjectCUSUMen
dc.subjectEWMAen
dc.subjectTime-Series Regressionen
dc.subjectLocal Outlier Factor (LOF)en
dc.titleDetecting anomalies in program behavior using statistical methodsen
dc.typeThesis
dc.identifier.udc004.4.05(043.2)
dc.relation.referencesIntroduction to Anomaly Detection. [Online]. URL: https://www.researchgate.net/publication/390797974 [Accessed: November 18, 2025].en
dc.relation.referencesAnomaly Detection in Cybersecurity: Techniques, Challenges, and Development Best Practices. [Online]. URL: https://www.apriorit.com/dev-blog/what-is-anomaly-detection-in-cybersecurity [Accessed: November 18, 2025].en
dc.relation.referencesA Review of Anomaly Detection Strategies to Detect Threats to Cyber-Physical Systems. [Online]. URL: https://www.mdpi.com/2079-9292/12/15/3283 [Accessed: November 18, 2025].en
dc.relation.referencesThe Importance of Features for Statistical Anomaly Detection. [Online]. URL: https://www.usenix.org/system/files/conference/hotcloud15/hotcloud15-goldberg.pdf [Accessed: November 18, 2025].en
dc.relation.referencesStatistical Methods for Anomaly Detection in Cybersecurity Solutions: Balancing Cost and Efficiency. [Online]. URL: https://www.apriorit.com/dev-blog/anomaly-detection-with-statistical-methods [Accessed: November 18, 2025].en
dc.relation.referencesA Survey of Anomaly Detection in Cyber-Physical Systems. [Online]. URL: https://arxiv.org/html/2502.13256v1 [Accessed: November 18, 2025].en
dc.relation.referencesAnomaly detection beats SPC to manage quality. [Online]. URL: https://acerta.ai/blog/spc-vs-anomaly-detection-methods-tomanage-quality/ [Accessed: November 18, 2025].en
dc.relation.referencesCUSUM and EWMA Control Charts. [Online]. URL: https://www.jmp.com/en/statistics-knowledge-portal/quality-andreliability-methods/control-charts/cusum-and-ewma-control-charts [Accessed: November 18, 2025].en
dc.relation.referencesWhy Use Statistical Process Control to Reduce Defects? [Online]. URL: https://spc-software.us/why-use-statistical-processcontrol-to-reduce-defects [Accessed: November 18, 2025].en
dc.relation.referencesSoftware Reliability Modeling Incorporating Fault Detection and Fault Correction Processes with Testing Coverage and Fault Amount Dependency. [Online]. URL: https://www.mdpi.com/2227-7390/10/1/60 [Accessed: November 18, 2025].en
dc.relation.referencesARIMA. [Online]. URL: https://www.geeksforgeeks.org/data-science/model-selection-for-arima/ [Accessed: November 18, 2025].en
dc.relation.referencesOML-AD: Online Machine Learning for Anomaly Detection in Time Series Data. [Online]. URL: https://arxiv.org/html/2409.09742v1 [Accessed: November 18, 2025].en
dc.relation.referencesData-Driven Anomaly Detection Approach for Time-Series Streaming Data. [Online]. URL: https://www.6sigma.us/sixsigma-in-focus/cusum-charts-detecting-process-shifts/ [Accessed: November 18, 2025].en
dc.relation.referencesEverything to Know About Residual Analysis. [Online]. URL: https://www.6sigma.us/six-sigma-in-focus/residual-analysis/ [Accessed: November 18, 2025].en
dc.relation.referencesDensity-based methods. [Online]. URL: https://otexts.com/weird/06-density.html [Accessed: November 18, 2025].en
dc.relation.referencesDeep Learning for Anomaly Detection in Log Data: A Survey. [Online]. URL: https://arxiv.org/pdf/2207.03820 [Accessed: November 18, 2025].en
dc.relation.referencesOn the nature and types of anomalies: a review of deviations in data. [Online]. URL: https://pmc.ncbi.nlm.nih.gov/articles/PMC8331998/ [Accessed: November 18, 2025].en
dc.relation.referencesA Survey on Explainable Anomaly Detection. [Online]. URL: https://arxiv.org/pdf/2210.06959 [Accessed: November 18, 2025].en


Файли в цьому документі

Thumbnail
Ім'я:
26519.pdf
Розмір:
251.8Kb
Формат:
PDF
Відкрити

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію