Детальная информация

Целью работы является повышение уровня защищенности информационной инфраструктуры за счет разработки средства обнаружения компьютерных атак на основе метода опорных векторов. Предметом исследования являются методы обнаружения компьютерных атак. Задачи, решаемые в ходе исследования: 1. Анализ подходов и методов обнаружения компьютерных атак. 2. Исследование метода опорных векторов и его применимости в области обнаружения компьютерных атак. 3. Разработка средства обнаружения компьютерных атак на основе метода опорных векторов. 4. Экспериментальное исследование разработанного решения. В ходе исследования был проведен анализ существующих подходов и методов к обнаружения компьютерных атак, определены преимущества и недостатки, выдвинуты требования к разрабатываемому решению. В результате работы было разработано средство обнаружения компьютерных атак на основе метода опорных векторов, позволяющее выявлять скрытые закономерности в больших объемах сетевого трафика. Полученные результаты могут быть использованы при оптимизации средств обнаружения вторжений.

The goal of the work is to increase the level of security of the information infrastructure by developing a computer attack detection tool based on the support vector machine. The subject of the research is methods for detecting computer attacks. Problems solved during the study: 1. Analysis of approaches and methods for detecting computer attacks. 2. Research on support vector machines and its applicability in the field of computer attack detection. 3. Development of a computer attack detection tool based on the support vector machine. 4. Experimental study of the developed solution. During the study, an analysis of existing approaches and methods for detecting computer attacks was carried out, advantages and disadvantages were identified, and requirements for the solution being developed were put forward. As a result of the work, a computer attack detection tool was developed based on the support vector machine, which allows one to identify hidden patterns in large volumes of network traffic. The results obtained can be used to optimize intrusion detection tools.