Математична модель системи виявлення вторгнень з використанням нейронної мережі на основі автоенкодерів

Sucasni Informacijni Tehnologii u Sferi Bezpeki ta Oboroni Pub Date : 2023-09-26 DOI:10.33099/2311-7249/2023-47-2-113-118

Дмитро Ільїн, Іван Старинський

{"title":"Математична модель системи виявлення вторгнень з використанням нейронної мережі на основі автоенкодерів","authors":"Дмитро Ільїн, Іван Старинський","doi":"10.33099/2311-7249/2023-47-2-113-118","DOIUrl":null,"url":null,"abstract":"Інформаційно-телекомунікаційна мережа військового призначення має великий обсяг наборів даних, а забезпечення захищеності такої мережі від кібератак, є працеємним процесом. Дані мережевого трафіку мають складні нелінійні зв’язки, що змінюються в часі. Існуючі моделі забезпечення кіберзахищеності базуються на моделях кореляції даних про трафік і вимагають значних обчислювальних витрат та не дають змоги здійснювати обробку мережевого трафіку в реальному часі. Крім того, вони не враховують просторово-часові кореляції даних. Метою статті є розроблення математичної моделі системи виявлення вторгнень на основі мережі автоенкодерів для забезпечення кіберзахищеності інформаційно-телекомунікаційної мережі військового призначення. Запропоновано розроблену математичну модель системи виявлення вторгнень на основі нейронної мережі, яка базується на поєднанні багатошарової згорткової нейронної мережі на основі автоенкодерів з використанням довгострокової короткочасної пам’яті. Розроблена модель системи виявлення вторгнень спочатку використовує багатошарову згорткову нейронну мережу на основі автоенкодерів для аналізу просторових особливостей набору даних, які потім обробляються автоенкодерами з використанням довгострокової короткочасної пам’яті для виявлення аномалій у мережевому трафіку. Для підвищення точності виявлення вторгнень запропоновано застосовувати два алгоритми Isolation Forest, що виправляють помилки, виявляють хибнопозитивні та хибнонегативні результати. Тренування моделі системи виявлення вторгнень на основі нейронної мережі проводилось з використанням набору даних NSL-KDD та показало високу точність реконструкції даних та її працездатність.","PeriodicalId":30811,"journal":{"name":"Sucasni Informacijni Tehnologii u Sferi Bezpeki ta Oboroni","volume":"46 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-09-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Sucasni Informacijni Tehnologii u Sferi Bezpeki ta Oboroni","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33099/2311-7249/2023-47-2-113-118","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Інформаційно-телекомунікаційна мережа військового призначення має великий обсяг наборів даних, а забезпечення захищеності такої мережі від кібератак, є працеємним процесом. Дані мережевого трафіку мають складні нелінійні зв’язки, що змінюються в часі. Існуючі моделі забезпечення кіберзахищеності базуються на моделях кореляції даних про трафік і вимагають значних обчислювальних витрат та не дають змоги здійснювати обробку мережевого трафіку в реальному часі. Крім того, вони не враховують просторово-часові кореляції даних. Метою статті є розроблення математичної моделі системи виявлення вторгнень на основі мережі автоенкодерів для забезпечення кіберзахищеності інформаційно-телекомунікаційної мережі військового призначення. Запропоновано розроблену математичну модель системи виявлення вторгнень на основі нейронної мережі, яка базується на поєднанні багатошарової згорткової нейронної мережі на основі автоенкодерів з використанням довгострокової короткочасної пам’яті. Розроблена модель системи виявлення вторгнень спочатку використовує багатошарову згорткову нейронну мережу на основі автоенкодерів для аналізу просторових особливостей набору даних, які потім обробляються автоенкодерами з використанням довгострокової короткочасної пам’яті для виявлення аномалій у мережевому трафіку. Для підвищення точності виявлення вторгнень запропоновано застосовувати два алгоритми Isolation Forest, що виправляють помилки, виявляють хибнопозитивні та хибнонегативні результати. Тренування моделі системи виявлення вторгнень на основі нейронної мережі проводилось з використанням набору даних NSL-KDD та показало високу точність реконструкції даних та її працездатність.

查看原文本刊更多论文

使用基于自动编码器的神经网络的入侵检测系统数学模型

军事信息和电信网络拥有大量的数据集，而确保此类网络免受网络攻击是一个劳动密集型过程。网络流量数据具有随时间变化的复杂非线性关系。现有的网络安全模型以流量相关模型为基础，计算量大，无法对网络流量进行实时处理。此外，它们也没有考虑到数据的空间和时间相关性。文章的目的是开发一个基于自动编码器网络的入侵检测系统数学模型，以确保军事信息和电信网络的网络安全。文章介绍了所开发的基于神经网络的入侵检测系统数学模型，该模型是基于自动编码器的多层卷积神经网络与长期短时记忆的结合。所开发的入侵检测系统模型首先使用基于自动编码器的多层卷积神经网络来分析数据集的空间特征，然后由自动编码器利用长期短时记忆进行处理，以检测网络流量中的异常情况。为了提高入侵检测的准确性，建议使用两种 Isolation Forest 算法来纠正错误并检测假阳性和假阴性。使用 NSL-KDD 数据集对基于神经网络的入侵检测系统模型进行了训练，结果表明数据重建的准确性和性能都很高。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Sucasni Informacijni Tehnologii u Sferi Bezpeki ta Oboroni

自引率

0.00%

发文量

审稿时长

10 weeks