Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
В МТУСИ применили связку методов машинного обучения для выявления аномалий в интернет-трафике
Аномалии в интернет-трафике — это непредсказуемые, необычные или отклоняющиеся от установленных норм взаимодействия в сети. Они могут указывать на наличие вредоносных программ, взломов или других нежелательных событий. Возможности методов машинного обучения открывают новые горизонты для точной классификации трафика в обнаружении аномальных значений для предотвращения кибератак. Один из таких методов предложил магистрант МТУСИ.
Мы живем в обществе, зависимом от компьютерных систем. Идентификация и классификация интернет-трафика — важные задачи для обеспечения безопасности и эффективности работы сетей. В области сетевой безопасности значительный интерес вызывает обнаружение аномальных значений из больших объемов информации, создаваемых сетевым трафиком.
Аномалии в интернет-трафике — это непредсказуемые, необычные или отклоняющиеся от установленных норм взаимодействия в сети. Они могут указывать на наличие вредоносных программ, взломов или других нежелательных событий. Возможности методов машинного обучения открывают новые горизонты для точной классификации трафика в обнаружении аномальных значений для предотвращения кибератак. Один из таких методов предложил магистрант МТУСИ Данила Токарев.
«Большие массивы данных обладают высокой размерностью, что затрудняет их анализ и принятие решений. В качестве алгоритма выделения отличительных признаков для массива данных в своей работе мы опирались на анализ главных компонент (Principal Component Analysis, PCA). Данное решение помогло значительно увеличить скорость анализа трафика и исключить нерелевантные данные и избыточные характеристики. На этапе предобработки трафик проходил через кластеризацию, осуществляемую методом Fuzzу C Mean (FCM). Данный алгоритм позволил заранее сформировать кластеры и ускорил процесс обработки данных», – пояснил Денис Токарев.
Классификация аномалий производилась с помощью алгоритма K-Nearest Neighbor (KNN), который обеспечил высокую точность результатов и был выделен одним из лучших решений для классификации интернет-трафика. Улучшить производительность KNN удалось посредством использования PCA для редукции признаков и применением алгоритма Fuzzy C-Mean для построения кластера перед процессом классификации. Полученная комбинация PCA и алгоритма Fuzzy C-Mean позволила сократить время выполнения алгоритма KNN, повысить точность и увеличить долю верного определения.
В ходе исследования было выявлено, что комбинация алгоритмов машинного обучения позволяет достичь высокой точности обнаружения аномалий в интернет-трафике. Установлено, что существенный вклад в ускорение работы алгоритма KNN вносит PCA, причем скорость выполнения увеличивается примерно в 4-5 раз.
По результатам проведенных исследований разработчики представили гибридный алгоритм, который основан на совместном использовании методов машинного обучения и предназначен для обнаружения аномалий в интернет-трафике.
Разработанный алгоритм имеет широкий спектр применения в сетевой безопасности, мониторинге сетей, обнаружении вредоносного программного обеспечения и предотвращении кибератак. Он также может быть полезен для провайдеров услуг интернета, чтобы оптимизировать сетевую инфраструктуру и повысить качество обслуживания. Обнаружение аномалий в интернет-трафике имеет огромное значение для системных администраторов, позволяя своевременно обнаруживать вторжения, вредоносные атаки, предотвращать системные сбои и массовое заражение компьютерных систем.
В дальнейшем предлагается использовать связку методов машинного обучения для выявления аномалий в интернет-трафике с высокой точностью и минимальным количеством ложных срабатываний.
Telegram 
Дзен 
VK Самая большая планета в Солнечной системе, всегда поражавшая воображение своими колоссальными размерами, немного сдала позиции. Новые высокоточные измерения орбитального зонда NASA показали, что Юпитер не такой большой и круглый, как считали астрономы последние 40 лет.
Во время недавних наблюдений карликовой планеты Квавар что-то неожиданно почти полностью закрыло ее собой. Астрономы уверены, что это не ее спутник Вейвот и не одно из двух известных колец этого маленького мира на краю Солнечной системы.
Ученые обнаружили, что общепринятые константы, с помощью которых химики предсказывают свойства молекул, содержали ошибки. Исправленные значения констант теперь объясняют ранее непонятные химические аномалии и позволяют предсказывать свойства новых материалов для квантовых технологий, датчиков и умных покрытий.
Исследования самодержавия могут пролить свет на феномен, исконно свойственный российской государственности, а значит, переосмыслить исторический путь России и выработку новых направлений развития, к такому выводу пришел ученый ТюмГУ.
Самая большая планета в Солнечной системе, всегда поражавшая воображение своими колоссальными размерами, немного сдала позиции. Новые высокоточные измерения орбитального зонда NASA показали, что Юпитер не такой большой и круглый, как считали астрономы последние 40 лет.
Ученые обнаружили, что общепринятые константы, с помощью которых химики предсказывают свойства молекул, содержали ошибки. Исправленные значения констант теперь объясняют ранее непонятные химические аномалии и позволяют предсказывать свойства новых материалов для квантовых технологий, датчиков и умных покрытий.
Исследования самодержавия могут пролить свет на феномен, исконно свойственный российской государственности, а значит, переосмыслить исторический путь России и выработку новых направлений развития, к такому выводу пришел ученый ТюмГУ.
Третий известный межзвездный объект 3I/ATLAS летит примерно вдвое быстрее обоих своих предшественников. По расчетам, его вряд ли могло выбросить из родной планетной системы с подобной скоростью, и так разогнаться по пути он тоже не мог.
Все больше покупателей начинают отказываться от привычки делать покупки на маркетплейсах, а число новых продавцов на площадках практически не увеличилось. Аналитика показывает, что за первый квартал 2025 года — прирост селлеров составил всего 0,45% по сравнению с аналогичным периодом прошлого года. В то же время, маркетплейсы активно расширяют сеть пунктов выдачи, особенно в регионах, где физическое присутствие всех брендов невозможно. Ученые Пермского Политеха рассказали, почему люди стали реже совершать покупки на маркетплейсах.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно