• ВХОД

    •  

    Полное описание


     Шнайдер, А. В. Использование методов машинного обучения для генерации правил обнаружения вредоносного трафика в автономном программно-аппаратном комплексе / А. В. Шнайдер, Ф. А. Казаков. - DOI 10.17513/snt.39501. - Текст : непосредственный // Современные наукоемкие технологии : журнал. - 2023. - N 1. - С. 83-88. - Библиогр. в конце ст. - ISSN 1812-7320.
    (Шифр в БД У3175/2023/1)
    ГРНТИ УДК
    28.23004.8
    28.23.25004.85
    28.23.37004.89
    50.55004.032.26
    004.056
    РУБ ИИ
    04.07
    04.01
    07.16

    Рубрики:
    Искусственный интеллект
    Машинное обучение
    Нейронные сети
    Информационная безопасность -- Кибербезопасность

    Кл.слова (ненормированные): анализ сетевого трафика -- машинное обучение -- генерация правил -- искусственная нейронная сеть -- сигнатура
    Аннотация: В данной работе, в рамках создания автономного программно-аппаратного комплекса по выявлению вредоносных сетевых воздействий, рассматривается возможность применения методов обработки естественного языка (NLP) для генерации правил системы Snort. Оценивается возможность создания автоматического модуля генерации правил, что позволит говорить о возможности создания полностью автономного программно-аппаратного комплекса. Предлагается техника NLP для упрощения процесса составления правил и, таким образом, повышения скорости реакции на возникновение новых сетевых угроз. С помощью методов обработки естественного языка и методов машинного обучения новые правила генерируются на основе выделенного обучающего набора сетевого трафика (сетевых пакетов), который может формироваться как на основе уже известных сетевых угроз, так и на основе только что выделенных вредоносных пакетов. Для создания модуля генерации трафика выбран новый класс нейросетей - трансформеров, используемый для решения задач обработки естественного языка, учитывающий сильные зависимости. Выполнено сравнение стационарного типового набора правил выделения сетевых угроз с динамически сформированным набором с точки зрения обнаружения существующих типов вредоносного трафика и количества «ложноположительных» срабатываний, показано достаточно высокое качество полученного набора и минимальные показатели ошибок.
    Доп. точки доступа:
    Казаков, Федор Александрович

    Экз-ры полностью У3175/2023/1
    Имеются экземпляры в отделах: всего 2 : ЧЗХР (1), ХРЦ (1)
    Свободны: ЧЗХР (1), ХРЦ (1)
    Переход по DOI



    Заказ фрагмента документа ₽