http://it-forensik.fiw.hs-wismar.de/index.php?action=history&feed=atom&title=Tim_Burmester 2026-10-31T13:50:20Z Versionsgeschichte dieser Seite in IT-Forensik Wiki MediaWiki 1.43.11 http://it-forensik.fiw.hs-wismar.de/index.php?title=Tim_Burmester&diff=1530&oldid=prev 2020-12-07T16:58:41Z

<p></p> <table style="background-color: #fff; color: #202122;" data-mw="interface"> <col class="diff-marker" /> <col class="diff-content" /> <col class="diff-marker" /> <col class="diff-content" /> <tr class="diff-title" lang="de"> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">← Nächstältere Version</td> <td colspan="2" style="background-color: #fff; color: #202122; text-align: center;">Version vom 7. Dezember 2020, 16:58 Uhr</td> </tr><tr><td colspan="2" class="diff-lineno" id="mw-diff-left-l1">Zeile 1:</td> <td colspan="2" class="diff-lineno">Zeile 1:</td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Master Thesis, Hochschule Wismar, November 2020</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Master Thesis, Hochschule Wismar, November 2020</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker" data-marker="−"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #ffe49c; vertical-align: top; white-space: pre-wrap;"><div><del style="font-weight: bold; text-decoration: none;">Author</del>: Tim Burmester</div></td><td class="diff-marker" data-marker="+"></td><td style="color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #a3d3ff; vertical-align: top; white-space: pre-wrap;"><div><ins style="font-weight: bold; text-decoration: none;">Autor</ins>: Tim Burmester</div></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><br></td></tr> <tr><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Titel: &#039;&#039;&#039;Data Mining zur Erkennung von Anomalien in Logdaten&#039;&#039;&#039;</div></td><td class="diff-marker"></td><td style="background-color: #f8f9fa; color: #202122; font-size: 88%; border-style: solid; border-width: 1px 1px 1px 4px; border-radius: 0.33em; border-color: #eaecf0; vertical-align: top; white-space: pre-wrap;"><div>Titel: &#039;&#039;&#039;Data Mining zur Erkennung von Anomalien in Logdaten&#039;&#039;&#039;</div></td></tr> </table>

Etduen http://it-forensik.fiw.hs-wismar.de/index.php?title=Tim_Burmester&diff=1519&oldid=prev 2020-11-30T11:32:00Z

<p>Die Seite wurde neu angelegt: „Master Thesis, Hochschule Wismar, November 2020 Author: Tim Burmester Titel: &#039;&#039;&#039;Data Mining zur Erkennung von Anomalien in Logdaten&#039;&#039;&#039; Abstrakt: Das Ziel…“</p> <p><b>Neue Seite</b></p><div>Master Thesis, Hochschule Wismar, November 2020<br /> <br /> Author: Tim Burmester<br /> <br /> Titel: &#039;&#039;&#039;Data Mining zur Erkennung von Anomalien in Logdaten&#039;&#039;&#039;<br /> <br /> Abstrakt: <br /> <br /> Das Ziel dieser Arbeit ist es, automatisch Anomalien in Logdaten zu finden. Das Vorgehen<br /> dafür teilt sich in zwei Schritte. In dem ersten Schritt werden die Logmeldungen<br /> aufgrund des festen Aufbaus der Meldung gruppiert. Anschließend erfolgt eine<br /> numerische Analyse auf die Anzahl Meldungen je Gruppe. Die Anforderung an beide<br /> Schritte ist, dass die Bewertung der Daten in Echtzeit und ohne Wissen über den<br /> nächsten Datensatz passiert.<br /> Für das Gruppieren wird die Wirkung von Methoden aus dem Natural Language Processing<br /> evaluiert. Mithilfe von Testdaten werden verschiedene Verfahren auf Genauigkeit<br /> und Geschwindigkeit untersucht. Abschließend erfolgt ein Vergleich mit klassischen<br /> Methoden des Machine Learnings zur Bildung von Clustern.<br /> <br /> Bei der numerischen Analyse werden statische Ansätze zur Erwartung an den nächsten<br /> Datenpunkt mit Methoden zum Vorhersagen des nächsten Datenpunktes verglichen.<br /> Um die Abweichung zwischen der Vorhersage und den echten Wert zu bewerten, wird<br /> eine Formel zur Bestimmung der Wahrscheinlichkeit für eine Anomalie vorgestellt.<br /> <br /> Abstract:<br /> <br /> The purpose of this work is to automatically find anomalies in log data. The procedure<br /> is divided into two steps. In the first step the log messages are grouped according to<br /> the fixed structure of the message. Afterwards a numerical analysis of the number of<br /> messages per group is performed. The requirement for both steps is that the evaluation<br /> of the data happens in real time and without knowledge about the next data point.<br /> For grouping, the effect of methods from Natural Language Processing is evaluated.<br /> With the help of test data different methods are examined for accuracy and speed.<br /> In conclusion, a comparison is made with classical methods of machine learning for<br /> clustering.<br /> <br /> In numerical analysis, static approaches to predict the next data point are compared<br /> with methods for predicting the next data point. To evaluate the deviation between<br /> the prediction and the actual value, a formula for determining the probability of an<br /> anomaly is presented.<br /> <br /> [[Media:MT_TBurmester.pdf|Download PDF-Dokument]]</div>

Etduen