ПОБУДОВА СИСТЕМ ВИЯВЛЕННЯ АТАК В ІНФОРМАЦІЙНИХ МЕРЕЖАХ НА НЕЙРОМЕРЕЖЕВИХ СТРУКТУРАХ
DOI:
https://doi.org/10.28925/2663-4023.2020.10.169183Ключові слова:
кіберпростір, атака, нейромережа, інформаційна мережа, системи виявлення атак, методи інтелектуального аналізу даних, тренувальна база, нечітка логіка, каутеризація, кіберзахистАнотація
Системи виявлення мережевих вторгнень і виявлення ознак атак на інформаційні системи вже давно застосовуються як один з необхідних рубежів оборони інформаційних систем. На сьогодні системи виявлення вторгнень і атак зазвичай являють собою програмні або апаратно-програмні рішення, які автоматизують процес контролю подій, що відбуваються в інформаційній системі або мережі, а також самостійно аналізують ці події в пошуках ознак проблем безпеки. Оскільки кількість різних типів і способів організації несанкціонованих проникнень в чужі мережі за останні роки значно збільшилася, системи виявлення атак (СВА) стали необхідним компонентом інфраструктури безпеки більшості організацій.
У статті запропоновано програмний прототип системи виявлення мережевих атак на основі вибраних методів інтелектуального аналізу даних та нейромережевих структур. Проведені експериментальні дослідження підтверджують ефективність створеної моделі виявлення для захисту інформаційної мережі. Проведені експерименти з програмним прототипом показали високу якість виявлення мережевих атак на основі нейромережевих структур та методів інтелектуального розподілу даних. Проаналізовано стан захищеності інформаційних систем по протидії від кібератак, що дало можливість зробити висновки, шо для забезпечення безпеки кіберпростору необхідне впровадження комплексу систем і механізмів захисту, а саме систем: розмежування доступу користувачів; міжмережного екранування; криптографічного захисту інформації; віртуальні приватні мережі; антивірусного захисту елементів ІТС; виявлення і запобігання вторгнень; автентифікації, авторизації і аудиту; попередження втрати даних; управління безпекою та подіями; управління захищеності.
Завантаження
Посилання
Hacker attacks in Ukraine. [Electronic resource] // Wikipedia: [site]. Kyiv, 2020. https://glavcom.ua/topics/ rosijskikhakeru.html.
Analysis and classification of methods for detecting network attacks / AA Branitsky, AV Kotenko // Tr. SPIIRAN. 2016. № 2 (45). Pp. 207-244.
Modern methods of detecting anomalies in intrusion detection systems / О.М. Kolodchak // Bulletin of the National University "Lviv Polytechnic". Computer systems and networks. 2012. № 745. pp. 98–104.
Research of methods of detection of intrusions into telecommunication systems and networks / DO Danilenko, OA Smirnov, EV Meleshko // Weapons systems and military equipment. H .: Hark. nat. University of the Air Force. I. Kozheduba, 2012. № 1. S. 92-100.
The State of the Art in Intrusion Prevention and Detection [Electronic resourse] / Al-Sakib Khan Pathan. New York: Auerbach Publications, 2014.
Development of a model of intelligent recognition of anomalies and cyberattacks using logical procedures based on feature matrix coatings / G. Beketova, B. Akhmetov, O. Korchenko, V. Lakhno // Information Security. K: NAU, 2016. T. 22, № 3. S. 242-254.
Review of attack detection systems in network traffic / KM Nosenko, OI Pivtorak, TA Likhouzova // Adaptive automatic control systems. K: NTUU KPI, 2014. № 1 (24). Pp. 67-75.
Analysis of Host-Based and Network-Based Intrusion Detection System / Amrit Pal Singh, Manik Deep Singh. India: I. J. Computer Network and Information Security, 2014. Vol. 8. 41-47 pp.
Analysis of modern systems for detecting attacks and preventing invasion / AA Zavada, OV Samchyshyn, VV Okhrimchuk // Information systems. Zhytomyr: Collection of scientific works of ZhVI NAU, 2012. T. 6, № 12. S. 97-106.
An implementation of intrusion detection system using genetic algorithm / Mohammad Sazzadul Hoque, Md. Abdul Mukit, Md., Abu Naser Bikas // International Journal of Network Security & Its Applications (IJNSA). Sylhet, 2012. Vol. 4, no. 2. P. 109-120.
Analysis and Evaluation of Network-Based Intrusion Detectionand Prevention System in an Enterprise Network Using Snort Freeware / O. B. Lawal [et al.] // African Journal of Computing & ICT. Ibadan, 2013. Vol. 6, no. 2. P. 169-184.
IDS / IPS. Netgate Documentation: [website]. Washington: Rubicon Communications LLC, 2017. [Electronic resource]. Online: https: //www.netgate. com / docs / pfsense / ids-ips /.
Dovbeshko SV, Tolyupa SV, Shestak Ya.V. Application of data mining methods to build attack detection systems. Scientific and technical journal "Modern information protection". - “1. 2019. S. 56-62.
Toliupa S., Nakonechnyi V., Uspenskyi O. Signature and statistical analyzers in the cyber attack detection system. Information technology and security. Ukrainian research papers collection Volume 7, Issue 1 (12). with. 69-79.
DARPA Intrusion Detection Data Sets [Electronic resource] - Access mode: https://www.ll.mit.edu/ideval/data/.
KDD Cup 1999 Data [Electronic resource] - Access mode: http://kdd.ics.uci.edu/databases/kddcup99.
Kayacik, HG Selecting Features for Intrusion Detection: A Feature Relevance Analysis on KDD 99 Intrusion Detection Datasets / HG Kayacik, AN Zincir-Heywood, MI Heywood // Proceedings of the Third Annual Conference on Privacy, Security and Trust (PST- 2005) - 2006. - P. 85–89.
Haykin, S. Neural Networks and Learning Machines / S. Haykin // Pearson Education, 2009. - 937 p.
Cannady, J. Applying CMAC-based On-line Learning to Intrusion Detection / J. Cannady // In: Proc. of the IEEE-INNS-ENNS International Joint Conference on Neural Networks. - 2000. - Vol. 5 - P. 405–410.
Lee, S. C., Heinbuch, D. V. Training a neural-network based intrusion detector to recognize novel attacks / S. C. Lee, D. V. Heinbuch // IEEE Transactions on Systems, Man, and Cybernetics: Part A - 2001. - Vol. 31. - No. 4. - P. 294–299.
Liu, G. A hierarchical intrusion detection model based on the PCA neural networks / G. Liu, Z. Yi, S. Yang // Neurocomputing 70. - 2007 - Vol. 7. - No. 9. ó P. 1561–1568.
Parlos, A. Application of the recurrent multilayer perceptron in modeling complex process dynamics / A. Parlos, K. Chong, A. Atiya // IEEE Transactions on Neural Networks. - 1994. - Vol. 5. - No. 2. - P. 255–266.
Hsu, C-W. A Practical Guide to Support Vector Classification / C-W. Hsu, C-C. Chang, C-J. Lin - Department of Computer Science, National Taiwan University, Taipei 106, Taiwan, 2003. - 16 p.
Miguel, A. Carreira-Perpinan A Review of Dimension Reduction Techniques / A. Carreira-Perpinan Miguel. - Technical Report CS-96-09 Dept. of Computer Science University of Sheffield, 1997. - 69 p.
Fodor, I. K. A Survey of Dimension Reduction Techniques / I. K. Fodor - U.S. Department of Energy by University of California, Lawrence Livennore National Laboratory, 2002. - 26 p.
