Журнал «Современная Наука»

АНАЛИЗ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ВЫЯВЛЕНИЯ АНОМАЛИЙ В СИСТЕМАХ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ

Балыбердин Алексей Викторович (Аспирант кафедры информационной безопасности Финансового университета при правительстве РФ)

Системы обнаружения вторжений (СОВ) широко применяются для выявления кибератак на корпоративную сеть передачи данных (КСПД). Выявление новых и неизвестных кибератак в КСПД является важной задачей СОВ. Для выявления подобных кибератак используют методы обнаружения аномалий для СОВ. В работе выполнен сравнительный анализ методов машинного обучения, применяемых для выявления аномалий с помощью СОВ. Целью данной статьи является систематизация знаний и формализация проблем, связанных с решением задачи выявления аномалий в корпоративных сетях передачи данных (КСПД). Анализ научных работ по методам обнаружения аномалий СОВ проводился по следующим параметрам: год издания статьи, название методов, набор данных, размерность признакового пространства, типы аномалий, точность выявления, среда использования и краткие выводы. Исследуемые методы обнаружения аномалий были разделены на две категории: классические методы машинного обучения и гибридные методы. Для каждой категории были отобраны для анализа по семь научных работ. Критерием выбора данных работ была полнота описания исследований, дата публикации, авторитетность журнала и количество публикаций автора. Результатом работы является систематизация имеющихся знаний, постановка проблем и направления дальнейших исследований систем обнаружения аномалий. Выводы научной статьи могут быть использованы для будущих исследований в данной области.

Ключевые слова:система обнаружения вторжений, аномалия, методы машинного обучения, гибридные методы, набор данных, признаки набора данных , корпоративная сеть передачи данных, кибератака

Читать полный текст статьи …

Ссылка для цитирования:
Балыбердин А. В. АНАЛИЗ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ ДЛЯ ВЫЯВЛЕНИЯ АНОМАЛИЙ В СИСТЕМАХ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ // Современная наука: актуальные проблемы теории и практики. Серия: Естественные и Технические Науки. -2024. -№11/2. -С. 67-76 DOI 10.37882/2223-2966.2024.11-2.38

ПРАВОВАЯ ИНФОРМАЦИЯ:
Перепечатка материалов допускается только в некоммерческих целях со ссылкой на оригинал публикации. Охраняется законами РФ. Любые нарушения закона преследуются в судебном порядке.
© ООО "Научные технологии"