Ключевые слова
Как цитировать
Аннотация
Быстрое развитие искусственного интеллекта кардинально меняет нашу жизнь и делает её удобней. В частности, обнаружение аномалий в сетевом трафике является одной из удобств, которая представляет собой наибольшее влияние на общество. Традиционно обнаружение аномалий осуществлялось помощью статистических данных , но с появлением машинного обучения, в особенности глубокого обучения, точность обнаружения аномалий значительно повысилась, а сфера применения расширилась.
Алгоритмы обнаружения аномалий - это способы используемые для выявления данных, которые сильно отличаются от нормальных данных и их поведения. Алгоритм эффективно и точно выявлять аномалии в больших объемах данных, снижать риски и затраты, а также повышать удовлетворенность клиентовЦель работы. Целью данного исследования является анализ возможностей нейросетевых моделей для обнаружения аномалий в сетевом трафике, оценка их эффективности в сравнении с классическими методами защиты, а также разработка практических рекомендаций по их интеграции в системы информационной безопасности.
Практическая значимость. Результаты исследования могут быть применены для:
● Улучшения систем обнаружения вторжений (IDS/IPS) за счет внедрения алгоритмов машинного обучения, повышающих точность и скорость выявления угроз.
● Снижения нагрузки на специалистов по безопасности благодаря автоматизации анализа трафика и минимизации ложных срабатываний.
● Повышения устойчивости к новым видам атак, включая неизвестные ранее угрозы, за счет способности нейросетей выявлять аномалии без заранее заданных правил.
● Оптимизации ресурсов защиты за счет адаптивного подхода, позволяющего системам самостоятельно обучаться на новых данных и изменяющихся условиях сети.
Внедрение нейросетевых технологий в системы кибербезопасности способно стать новым стандартом защиты, обеспечивающим надежное противодействие динамичным и изощренным киберугрозам.
Ключевые слова:нейронные сети, градиентный метод, автоэнкодер, кодировщика-декодера, автокодировщики, обнаружения аномалий , сетевой трафик.