Побудова та аналіз моделей виявлення мережевих вторгнень засобами машинного навчання

Abstract

Об’єктом дослідження є системи виявлення мережевих вторгнень в інформаційно-телекомунікаційних системах. Предметом дослідження є моделі, методи та засоби машинного навчання для виявлення мережевих вторгнень. Метою роботи є аналіз та протидія мережевим вторгненням на основі розробки моделей та методів машинного навчання для підвищення безпеки роботи в Інтернеті. В кваліфікаційній роботі проведений аналіз мережевих вторгнень (Network Іntrusions), їх класифікація та ризики, які можуть бути причинені такими активностями зловмисників. Розглянуті питання запобігання мережевим вторгненням, в тому числи їх виявлення на ранніх етапах за допомогою сучасних методів машинного навчання. Представлений аналіз сучасних методів виявлення вторгнень в мережу (Detect Network Intrusion - IDS), де виділені сигнатурні і аномальні підходи до виявлення вторгнень. Запропоновано машинне навчання, як сучасний інструмент для аналізу мережевого трафіку. Представлена архітектура системи машинного навчання, яка використана в роботі для побудови IDS. В роботі застосовано ряд класифікаторів, такі як метод найближчих сусідів (K-Nearest Neighbors), дерева рішень (Decision Tree), випадковий ліс (Random Forest), SVM (Support Vector Machine), які продемонстрували високі показники точності на рівні 0.98-0.99. Найкращий результат досягається для методів «Decision Tree» та «Random Forest» на рівні 0.99, що є високим показником ефективності запропонованої моделі для виявлення мережевих вторгнень