Інтелектуальна система виявлення кіберзагроз на основі методів машинного навчання

Abstract

Актуальність. Наше життя стало залежним від інтернету. Кожен день ми спілкуємося з друзями, шукаємо різноманітну інформацію, виконуємо банківські операції та багато чого іншого. Головне з цього, що кожна людина залишає свій інформаційний слід у Інтернеті. І не завжди ці ресурси є захищеними від атак злочинців, які можуть заволодіти конференційною інформацією і використовувати її у своїх цілях. Тому і постало питання захисту інформації. Спочатку для виявлення атак використовували системи виявлення вторгнень на основі сигнатур, статичні правила брандмауера для мережевого трафіку та інші. Але із розвитком технологій, а особливо із об’ємом даних, старі методи вже не такі ефективні. Тим паче злочинці не стоять на місці і з кожним роком вдосконалюють свої навички і знаходять нові вразливості. Тому люди замислились над використанням машинного навчання для запобіганням атак. МН дозволяє вдосконалити вже наявні методи захисту і виводить їх на новий рівень, що призводить до укріпленню кібербезпеки. Особливо ефективним воно стало у виявленні аномалій. Моделі машинного навчання здатні аналізувати величезні обсяги даних, включно з мережевим трафіком, системними журналами і моделями поведінки користувачів, на основі чого можна виявляти аномалії і виявляти потенційні загрози. Моделі машинного навчання допомагають зрозуміти, що таке "нормальна" поведінка в мережі або системі. Завдяки цим знанням вони можуть сигналізувати про аномальну поведінку або потенційні загрози безпеці. Для цього використовують алгоритми класифікації, які допомагають серед великих масивів даних класифікувати загрози і нормальний трафік. Об’єкт дослідження – процес виявлення кіберзагроз. Предмет дослідження – методи і алгоритми машинного навчання для вирішення задач класифікації. Метою кваліфікаційної роботи магістра є підвищення ефективності виявлення та класифікації кіберзагроз за допомогою методів машинного навчання. Відштовхуючись від мети були поставлені наступні завдання:  проаналізувати класичні засоби виявлення кіберзагроз;  проаналізувати основні теоретичні засади машинного навчання;  дослідити алгоритми класифікації;  підібрати набір даних, вивчити його та підготувати для навчання моделей;  навчити та протестувати моделі для бінарної та багатокласової класифікації.