Doctoral Thesis

Anomaly Classification in Industrial Networks Using Deep Learning Over Complementary Sensor Data

Final Thesis 3.4 MB Summary of Thesis 3.4 MB

Author of thesis: Ing. Karel Kuchař, Ph.D.

Acad. year: 2025/2026

Supervisor: doc. Ing. Radek Fujdiak, Ph.D.

Reviewers: Ing. Tomáš Mácha, Ph.D., doc. Ing. Peter Papcun, Ph.D.

Abstract:

This thesis focuses on the issue of anomaly classification in industrial networks. In this thesis, anomalies are classified into security, operational, and service anomalies. Additionally, the thesis presents a classification method using advanced anomaly classification utilizing deep neural networks. This part serves to classify known anomalies in a given industrial network or input data set. Furthermore, binary classification focuses on normal operation with the purpose of recognizing unknown anomalies using the OneClassSVM. For successful classification, individual data sources are defined, where additional sensor data is also used. This is data that comes from individual sensors focusing on industrial network components. The proposed method was then validated on a created dataset based on defined scenarios, focusing on individual categories of anomalies in industrial networks.

Keywords:

Anomalies, Anomaly categories, Anomaly classification, Convergence, Neural networks, OT, Industrial networks, Machine learning

Date of defence

02.06.2026

Result of the defence

Defended (thesis was successfully defended)

znamkaPznamka

Process of defence

Předseda komise prof. Koton uvítal členy komise, oponenty práce a představil uchazeče Ing. Karla Kuchaře, kterému předal slovo. Během prezentace Ing. Kuchař popsal své aktivity a výsledky své vědecko-výzkumné činnosti v oblasti klasifikace anomálií v průmyslových sítích za využití metod strojového učení a hlubokých neuronových sítí s cílem zvyšovat kybernetickou bezpečnost komunikačních průmyslových sítí. Na základě identifikovaných nedostatků byla navržena metoda využívající dodatečných senzorických dat zaměřujících se na analýzu komponent v průmyslové síti. Byla přednesena vyjádření oponentů doc. Papcuna a dr. Máchy vyjádřili ke kvalitě a přínosům práce. Oba hodnotí práci kladně. Následovala diskuze k práci, kdy Ing. Kuchař nejprve reagoval na otázky oponentů. Diskuze pokračovala i s dalšími členy komise a hosty. Ing. Kuchař na položené otázky reagoval vždy velmi pohotově. Po veřejné části následovala neveřejná část, během které komise dále pokračovala v diskuzi a tajně hlasovala. Celková doba obhajoby trvala cca 1 hodinu.

Language of thesis

Czech

Faculty

Fakulta elektrotechniky a komunikačních technologií

Department

Department of Telecommunications

Study programme

Information Security (DKC-IBE)

Composition of Committee

prof. Ing. Jaroslav Koton, Ph.D. (předseda)
doc. Ing. Jan Jeřábek, Ph.D. (člen)
doc. Ing. Aleš Povalač, Ph.D. (člen)
Ing. Michal Ptáček, Ph.D. (člen)
doc. Ing. Peter Papcun, Ph.D. (člen)
Ing. Tomáš Mácha, Ph.D. (člen)

Supervisor’s report
doc. Ing. Radek Fujdiak, Ph.D.

Ing. Karel Kuchař v průběhu doktorského studia jednoznačně prokázal předpoklady pro samostatnou vědeckou a tvůrčí činnost. Zvolil si velmi aktuální a odborně náročné téma klasifikace anomálií v průmyslových sítích, které reaguje na současné výzvy spojené s konvergencí IT a OT infrastruktur a s potřebou odlišovat bezpečnostní, provozní a servisní anomálie. Předložená disertační práce je po odborné i formální stránce na vysoké úrovni. Oceňuji zejména, že autor neomezil řešení na dílčí aplikaci známých metod, ale vytvořil vlastní experimentální testbed, vlastní datovou sadu a navrhl hybridní přístup kombinující hluboké neuronové sítě pro klasifikaci známých anomálií s metodou OneClassSVM pro zachycení anomálií neznámých. Práce je metodicky promyšlená, opřená o rozsáhlou analýzu současného stavu a současně otevřeně reflektuje limity navrženého řešení i směry dalšího výzkumu. Stanovené cíle byly splněny.

Z pohledu školitele velmi kladně hodnotím jeho samostatnost, systematičnost, pracovitost a vysokou míru odpovědnosti. Po celou dobu studia byl mimořádně aktivní nejen ve vlastním výzkumu, ale i v širších aktivitách pracoviště. Výrazně se podílel na reprezentaci ústavu, fakulty i univerzity při odborných, prezentačních a popularizačních aktivitách. Oceňuji také jeho profesionální a etický přístup k vědecké práci, který se promítl jak do zpracování disertace, tak do transparentního a odpovědného nakládání s využitými nástroji a zdroji.

Jeho publikační činnost považuji za výrazně nadstandardní. V práci je doloženo 9 publikací ve vědeckých časopisech s impakt faktorem podle Web of Science a 18 konferenčních publikací indexovaných ve Web of Science/Scopus, vedle toho také více aplikovaných výstupů a rozsáhlé zapojení do projektové činnosti. Velmi pozitivně hodnotím rovněž jeho pedagogické zapojení. Odbornou i osobní úroveň jeho působení dále potvrzuje získání ceny rektora a ceny ministra vnitra ČR. Celkově hodnotím Ing. Karla Kuchaře jako mimořádně kvalitního doktoranda a předloženou disertační práci jednoznačně doporučuji k obhajobě.

Reviewer’s report
Ing. Tomáš Mácha, Ph.D.

viz pdf
File inserted by the reviewer Size
Posudek oponenta [.pdf] 2,58 MB

Reviewer’s report
doc. Ing. Peter Papcun, Ph.D.

viz pdf
File inserted by the reviewer Size
Posudek oponenta [.pdf] 193,59 kB

Responsibility: Mgr. et Mgr. Hana Odstrčilová