Библиографическое описание:СИСТЕМА АНАЛИЗА ТРАФИКА ТЕЛЕКОММУНИКАЦИОННЫХ СИСТЕМ С ПОМОЩЬЮ ГИБРИДНОГО МЕТОДА РАБОТЫ SNORT IDS И НЕЙРОСЕТЕВОГО АНАЛИЗАТОРА : доклад, тезисы доклада / Ф. А. Казаков, А. В. Шнайдер. - [Б. м. : б. и.], 2021. - Текст : непосредственный // НАУКА, ОБРАЗОВАНИЕ, ИННОВАЦИИ: АКТУАЛЬНЫЕ ВОПРОСЫ И СОВРЕМЕННЫЕ АСПЕКТЫ : сборник статей XI Международной научно-практической конференции / НАУКА, ОБРАЗОВАНИЕ, ИННОВАЦИИ: АКТУАЛЬНЫЕ ВОПРОСЫ И СОВРЕМЕННЫЕ АСПЕКТЫ (2021 ; 17.12 - 17.12 ; Пенза). - Пенза : Наука и Просвещение (ИП Гуляев Г.Ю.), 2021. - С. 38-41. - ISBN 9785001731153. Перевод заглавия: A SYSTEM FOR ANALYZING TRAFFIC OF TELECOMMUNICATION SYSTEMS USING A HYBRID METHOD OF OPERATION OF SNORT IDS AND A NEURAL NETWORK ANALYZER
Аннотация:Рассмотрены проблемы анализа и прогнозирования сетевого трафика в разрезе обеспечения информационной безопасности и управления в компьютерных сетях. Выявлено, что наибольшей эффективности при поиске аномалий в трафике можно достичь при использовании технологий машинного обучения. Предложена модель нейросетевого анализатора, базирующаяся на сигнатурном анализе трафика с помощью системы Snort IDS и нейросетевом модуле обнаружения аномалий, позволяющая обеспечить анализ сетевого трафика в режиме реального времени и выявление аномальных наборов данных. Полученные результаты моделирования показали, эффективный метод обнаружения вредоносного трафика по сравнению с традиционными методологиями на основе сигнатур.
The problems of analysis and forecasting of network traffic in the context of information security and management in computer networks are considered. It was revealed that the greatest efficiency in searching for traffic anomalies can be achieved using machine learning technologies. A model of a neural network analyzer based on signature analysis of traffic using the Snort IDS system and a neural network module for detecting anomalies is proposed, which makes it possible to analyze network traffic in real time and identify anomalous data sets. The simulation results obtained showed an effective method for detecting malicious traffic compared to traditional signature-based methodologies.
