Сучасні нейромережеві методи та моделі оцінки параметрів безпеки ресурсів інформаційних систем
DOI:
https://doi.org/10.18372/2410-7840.16.7539Ключові слова:
безпека інформації, виявлення кібератак, інформаційна система, нейромережеві модель, нейромережевих метод, параметр безпекиАнотація
Одною із основних перешкод широкому впровадженню нейромережевих методів та моделей в системах виявлення кібератак та в системах виявлення вразливостей ресурсів інформаційних систем є відсутність параметрів на основі яких можливо оцінити їх ефективності. Також відсутні і методи оцінки ефективності такого впровадження. Для вирішення цієї проблеми був проаналізований широкий спектр сучасних нейромережевих методів та моделей, що застосовуються у зазначених системах виявлення. Визначено перелік параметрів і розроблено метод їх використання для оцінки ефективності розробки та вибору вказаних методів та моделей при побудові означених систем виявлення. Отримані результати дозволяють визначити недоліки сучасних нейромережевих засобів виявлення кібератак та засобів виявлення вразливостей і окреслити перспективні шляхи їх вдосконалення.Посилання
. Абрамов Е. С. Разработка и исследование методов построения систем обнаружения атак: дис. … канд. техн. наук: 05.13.19 / Абрамов Е. С. Таганрог, 2005. 199 с.
. Артеменко А.В., Головко В.А. Анализ нейросетевых методов распознавания компьютерных вирусов /Материалы секционных заседаний. Молодежный инновационный форум «ИНТРИ» – 2010. – Минск: ГУ «БелИСА», 2010. – С. 47-48.
. Безобразов С.В. Алгоритмы исскуственных имунных систем и нейронних сетей для обнаружения вредоносных программ / С.В. Безобразов, В.А. Головко // Нейрониформатика. – 2010. – №7. –
С. 273-288.
. Большев А. К. Алгоритмы преобразования и классификации трафика для обнаружения вторжений в компьютерные сети: авторефер. дисс. на соискание научн. степени канд. техн. наук : спец. 05.13.19 – Методы и системы защиты информации, информационная безопасность / А. К. Большев Санкт-Петербург, 2011. 36 с.
. Васильев В.И. Нейронные сети при обнаружении атак в сети Internet (на примере атаки SYNFLOOD) / В.И. Васильев, А.Ф. Хафизов // Нейрокомпьютеры в информационных и экспертных системах. – М.: Радиотехника, 2007. – №6. – С. 34-38.
. Гришин А.В. Нейросетевые технологии в задачах обнаружения компьютерных атак / А.В.Гришин // Информационные технологии и вычислительные системы – 2011. – №1. – С. 53 -64.
. Дьяконов М.Ю. Нейросетевая система обнаружения аномального поведения вычислительных процессов микроядерных операционных систем: авторефер. дисс. на соискание научн. степени
канд. техн. наук : спец. 05.13.19 – Методы и системы защиты информации, информационная безопасность / М. Ю. Дьяконов Уфа, 2010. 28 с.
. Емельянова Ю.Г. Анализ проблем и перспективы создания интеллектуальной системы обнаружения и предотвращения сетевых атак на облачные вычисления / Ю.Г. Емельянова, В.П. Фраленко // Программные системы: теория и приложения: электрон. научн. журн. – 2011. – № 4(8). – С. 17-31. [Электронный ресурс]. URL:
http://psta.psiras.ru/ read/ psta2011_4_17-31.pdf.
. Емельянова Ю. Г. Нейросетевая технология обнаружения сетевых атак на информационные ресурсы / Ю.Г. Емельянова, А.А. Талалаев, И.П. Тищенко, В.П. Фраленко // Программные системы: теория и приложения. – 2011. – №3(7). – С. 3–15.
. Зайцев О. Нейросети в системах безопасности / О. Зайцев // IT-Спец. – 2007. – № 6. – С. 54–59.
. Комар М.П. Метод построения совокупного классификатора трафика информационно-телекоммуникационных сетей для иерархической классификации компьютерных атак /
М.П.Комар // Системи обробки інформації. – 2012. – Випуск 3 (101), том 1 – С.134-138.
. Комар М.П. Нейросетевой подход к обнаружению сетевых атак на компьютерные системы /М.П. Комар, И.О. Палий, Р.П. Шевчук, Т.Б. Федысив // Інформатика та математичні методи в моделюванні – 2011. – Том 1, №2. – С. 156-160.
. Корченко О. Г. Метод оцінки нейромережевих засобів щодо можливостей виявлення інтернет-орієнтованих кібератак / О.Г. Корченко, І.А. Терейковський, С.В. Казимірчук // Вісник інженерної академії наук. – 2014. – Випуск 2. – С. 87-93.
. Крыжановский А.В. Применение искусственных нейронных сетей в системах обнаружения атак / А.В. Кржыжановский // Доклады ТУСУРа. – 2008. – № 2 (18), часть 1. – С. 37-41.
. Магницкий Ю.Н. Использование бинарной нейронной сети для обнаружения атак на ресурсы распределенных информационных систем / Ю.Н. Магницкий // Динамика неоднородных
систем. – 2008. – С. 200-205.
. Поликарпов С.В., Дергачѐв В.С., Румянцев К.Е., Голубчиков Д.М. Новая модель искусственного нейрона: кибернейрон и области его применения / Електронний ресурс http://arxiv.org/ftp/arxiv/ papers/
/0907.0229.pdf.
. Руденко О.Г. Штучні нейронні мережі. Навч. посіб. / О.Г. Руденко, Є.В. Бодянський. – Харків: ТОВ «Компанія СМІТ», 2006. – 404 с.
. Слеповичев И.И. Обнаружение DDoS-атак нечеткой нейронной сетью / И.И. Слеповичев, П.В. Ирматов, М.С. Комарова, А.А. Бежин // Известия Саратовского университета. – 2009. – Т. 9, сер. Математика. Механика. Информатика, вып. 3. – С. 84-89.
. Талалаев А.А.Разработка нейросетевого модуля мониторинга аномальной сетевой активности / А.А. Талалаев, И.П. Тищенко, В.П. Фраленко, В.М. Хачумов // Нейрокомпьютеры: разработка и применение. – 2011. – № 7. – С. 32-38.
. Терейковський І. Нейронні мережі в засобах захисту комп’ютерної інформації / І. Терейковський. К. : ПоліграфКонсалтинг. 2007. – 209 с.
. Тимофеев А. Исследование и моделирование нейросетевого метода обнаружения и классификации сетевіїх атак / А. Тимофеев, А. Браницкий // International Journal Information Technologies &
Knowledge. – 2012. – Vol.6, Number 3. – P. 257-265
. Хафизов А.Ф. Нейросетевая система обнаружения атак на WWW-сервер: дис. ... канд. техн. наук : 05.13.11 / А.Ф. Хафизов– Уфа, 2004 – 172 c.
. Bezobrazov S., Golovko V. Neural Networks for Artificial Immune Systems: LVQ for Detectors Construction // International Workshop on
Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications. – Dortmund, 2007. – P. 180-184.
. Bivens A., Palagiri C., Smith R., Szymansky B., Embrechts M. Network–Based Intrusion Detection Using Neural Networks // Proc. Intelligent Engineering Systems through Artificial Neural Networks ANNIE–2002, St. Louis, MO, Volume 12. – New York: ASME Press, 2002. P. 579–584.
. Chen Y., Narayanan A., Shaoning Pang, Ban Tao. Multiple sequence alignment and artificial neuralnetworks for malicious software detection // Natural Computation, 2012, P. 261 – 265.
. Du Toit T., Kruger H. Filtering spam e-mail with Generalized AdditiveNeural Networks // Information Security for South Africa. 2012., P.1-8.
. Hnatiuk S. Cyberterrorism: History of current trends and countermeasures. / S. Hnatiuk // Privacy Notice . – 2013 . – Volume 9 , № 2. – Р. 118 -129.
. Skaruz J., Seredynski F. Recurrent neural networks towards detection of SQL attacks // Parallel and Distributed Processing Symposium, 2007.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
