Neural network model of countering network cyber attacks using expert knowledge

Abstract

Исследования в области противодействия кибератакам на сетевые ресурсы информационных систем показали, что большинство современных моделей нейронных сетей ориентированы на обучение с использованием статистических данных. Такие модели недостаточно адаптированы для распознавания новых типов сетевых кибератак. Для устранения этого недостатка было предложено формировать обучающую выборку с использованием экспертных знаний, представленных в виде производственных правил. Было определено, что среди классических типов нейросетевых моделей наиболее подходящей для такого обучения является вероятностная нейронная сеть. На основе этой сети была создана оригинальная модель нейронной сети, разработана ее структура и программное обеспечение. Использование разработанной модели позволяет повысить эффективность распознавания и расширить многие виды сетевых атак, характеристики которых не представлены в статистических данных. Еще одним важным преимуществом разработанной модели является информативность выходного сигнала, достаточная для гибкой настройки мер защиты. Ақпараттық жүйелердің желілік ресурстарына кибершабуылға қарсы тұру саласындағы зерттеулер қазіргі заманғы нейрондық желілердің модельдерінің көпшілігі статистикалық мәліметтерді қолдана отырып оқуға бағытталғанын көрсетті. Мұндай модельдер желілік кибершабуылдардың жаңа түрлерін тануға жеткілікті бейімделмеген. Бұл кемшілікті жою үшін өндірістік ережелер түрінде ұсынылған сараптамалық білімді пайдалана отырып, оқу үлгісін қалыптастыру ұсынылды.