СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ОБНАРУЖЕНИЯ СЕТЕВЫХ АТАК

Аннотация

В наше время стремительное развитие информационных технологий и расширение процессов цифровизации оказывают огромное влияние на все сферы жизни общества и экономики. Усложнение сетевой инфраструктуры и резкое увеличение количества устройств, подключенных к интернету, увеличили объем информационного потока, а также вызвали новые вызовы безопасности. Кибершабуылдардың түрлері мен әдістері жылдам өзгеріп, бұрынғыдай дәстүрлі қорғау тәсілдері көп жағдайда жеткіліксіз болып отыр.

В крупных предприятиях вместо традиционных систем, основанных на правилах, используются системы искусственного интеллекта (ИИ), которые могут самостоятельно изучать закономерности и анализировать сложные потоки данных. Эти методы позволяют быстрее и точнее обнаруживать атаки, поскольку они могут быстро обнаруживать закономерности и аномальные ситуации.

Цель статьи-провести сравнительный анализ на основе методов глубокого обучения для точного и быстрого выявления угроз в сетевом трафике и экспериментально доказать его эффективность. В исследовании было протестировано несколько методов, основанных на искусственном интеллекте. При изучении возможностей алгоритмов машинного обучения (МО) и глубокого обучения (Deep Learning) наряду с традиционными методами, такими как Random Forest, XGBoost, SVM, была использована современная архитектура нейронных сетей – CNN. Алгоритмы искусственного интеллекта были относительно проанализированы с точки зрения классификации типов атак, различения нормального и аномального трафика, а также выявления новых или редких атак. В результате исследования были оценены показатели точности, чувствительности, F1-score, кривой ROC-AUC и матрицы ошибок. Кроме того, были проанализированы применение предложенных методов в режиме реального времени и их практическая значимость.