МЕТОД ПІДВИЩЕННЯ БЕЗПЕКИ ДЕЦЕНТРАЛІЗОВАНИХ СИСТЕМ ШЛЯХОМ АДАПТИВНОГО ВИЯВЛЕННЯ АНОМАЛІЙ У БЛОКЧЕЙН-МЕРЕЖАХ ІЗ ВИКОРИСТАННЯМ МАШИННОГО НАВЧАННЯ

Анотація

У статті розглянуто проблему забезпечення безпеки децентралізованих інформаційних систем, зокрема блокчейн-мереж, що набувають широкого застосування у сучасних інформаційних технологіях. Визначено, що характерними особливостями таких систем є відсутність централізованого управління, розподілений характер обробки даних та відкритість мережі, що, з одного боку, підвищує їх стійкість до відмов, а з іншого - створює нові вектори атак та ускладнює процес виявлення загроз. Проаналізовано основні типи атак, притаманні блокчейн-середовищам, зокрема атаки типу Sybil, подвійне витрачання та аномальну поведінку вузлів. Обґрунтовано необхідність розробки проактивних методів виявлення загроз, що базуються на аналізі поведінкових характеристик учасників мережі. Запропоновано метод підвищення безпеки блокчейн-мереж, який поєднує графове представлення транзакційної структури, витяг інформативних ознак та застосування алгоритмів машинного навчання. Блокчейн-мережу формалізовано у вигляді орієнтованого графа, що дозволяє враховувати топологічні та часові аспекти взаємодії вузлів. Сформовано простір ознак, який включає транзакційні, часові, структурні та поведінкові характеристики. Для виявлення аномалій використано алгоритм Isolation Forest, що забезпечує ефективне визначення вузлів із нетиповою поведінкою без необхідності використання розмічених даних. Додатково введено адаптивну метрику довіри вузлів, яка враховує як рівень аномальності, так і відхилення поведінкових характеристик від нормального стану, що дозволяє підвищити точність і стабільність оцінювання. Проведене моделювання підтвердило ефективність запропонованого підходу. Отримані результати демонструють підвищення точності виявлення аномалій на 7-13% у порівнянні з традиційними методами, а також зменшення кількості хибнопозитивних спрацювань. Запропонований метод характеризується адаптивністю, масштабованістю та можливістю інтеграції у реальні блокчейн-платформи. Практична цінність роботи полягає у можливості використання отриманих результатів для створення систем моніторингу безпеки у децентралізованих середовищах, а також підвищення надійності функціонування інформаційних систем у сфері фінансових технологій, кібербезпеки та розподілених обчислень.