SOFTWARE AND MATHEMATICAL SUPPORT FOR ATTACK PREDICTION IN INFORMATION SECURITY EVENTS
DOI:
https://doi.org/10.32014/2021.2518-1726.100Ключевые слова:
сетевые аномалии, инциденты в сети, сетевые атаки, система SIEM, система DLP, модель Ирвина, модели прогнозирования.Аннотация
Сегодня отмечается актуальность защиты информации, что непосредственно влияет на бизнес-процессы любой компании, уязвимость базы данных на проникновение, обилие списков IP-адресов, а также атаки на веб-приложения с использованием SQL-запросов требуют принятия мер информационной безопасности.
Фишинговые атаки и социальная инженерия, которые чаще всего наблюдаются в финансовых организациях и страховых отраслях, в онлайн-платежных системах, также стали источниками методов атак на информационную безопасность.
В статье рассматривается необходимость выявления атак в управлении событиями информационной безопасности в режиме реального времени и выявления аномалий в их предотвращении. Авторы уделяют внимание процессу прогнозирования как одной из функций управления. Система менеджмента защиты информации также рассматривает инциденты как неожиданные события, которые могут поставить под угрозу защиту информации.
В работе процесс прогнозирования является частью функции управления и рассматривается, как единственный способ своевременно обнаружить аномалии, с целью предотвращения инцидентов. В процессе прогнозирования предупреждения аномалий анализируются возможности средства программного обеспечения и средства математического обеспечения.
Излагается возможность управления инцидентами и обнаружения их в режиме реального времени с помощью SIEM (Security Information and Event Management) системы, как средства автоматизации защиты информационной безопасности. Анализируются меры выявления инцидентов, способы их расследования и предупреждения в случае обнаружения.
Аномалия, наблюдаемая в сетевом трафике, может свидетельствовать о наличии атаки или технического сбоя. При его определении можно использовать метрики регрессии, тенденции. Рассмотрены модели, используемые при обнаружении аномалий в потоке данных в сети временного ряда. Результаты предопределённых отклонений помогут руководству принять правильное решение.
