Библиографическое описание:ТЕХНОЛОГИИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА СЕТЕВОГО ТРАФИКА ДЛЯ ОБЕСПЕЧЕНИЯ ПРОТИВОДЕЙСТВИЯ НЕСАНКЦИОНИРОВАННОГО ДОСТУПА : доклад, тезисы доклада / Е. В. Абросимов, А. В. Шнайдер, Ф. А. Казаков. - [Б. м. : б. и.], 2021. - Текст : непосредственный // АКТУАЛЬНЫЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ : сборник статей III Международной научно-практической конференции. В 2 частях / АКТУАЛЬНЫЕ НАУЧНЫЕ ИССЛЕДОВАНИЯ (2021 ; 05.12 - 05.12 ; Пенза). - Пенза : Наука и Просвещение (ИП Гуляев Г.Ю.), 2021. - Часть 1. - С. 80-83. - ISBN 9785001730903.
Аннотация:Рассмотрены проблемы обеспечения информационной безопасности в компьютерных сетях. Определено, что поиск вторжений требует анализа сетевого трафика в режиме реального времени для обнаружения аномалий при обмене данных по сети. Выявлено, что наибольшей эффективности при поиске аномалий в трафике можно достичь при использовании технологий машинного обучения. Выполнен анализ существующих подходов искусственного интеллекта, для анализа сетевого трафика. Определено что с учетом поставленных задач эффективные решения могут быть найдены при использовании нейронных сетей с самообучением. Выполнен анализ инструментов для практической реализации нейросетевых алгоритмов анализа трафика. Приведено обоснование выбора языка Python для практической реализации сетевого нейроблокатора. Разработана общая архитектура программной системы анализа и блокировки сетевых атак.
The problems of information security in computer networks are considered. It is determined that intrusion search requires real-time analysis of network traffic to detect anomalies in data exchange over the network. It is revealed that the greatest efficiency in finding anomalies in the traffic can be achieved by using machine learning technologies. The analysis of existing approaches of artificial intelligence, for the analysis of network traffic. It was determined that, taking into account the tasks set, effective solutions can be found using neural networks with self-learning. The analysis of tools for practical implementation of neural network algorithms of traffic analysis is performed. Justification of choice of Python language for practical realization of network neuroblocker is given. The general architecture of the software system for the analysis and blocking of network attacks is developed.
