Details

Объект исследования – процесс обнаружения сетевых атак нейросетевыми системами в условиях состязательных воздействий. Цель работы – повышение устойчивости такой системы к состязательным воздействиям без потери качества на чистом трафике. Задачи, решаемые в ходе исследования: 1. Выполнить аналитический обзор методов защиты. 2. Создать макет системы обнаружения атак. 3. Разработать метод адаптивной предобработки, сочетающий детектор состязательности на автоэнкодере, банк преобразований и автономное пороговое правило выбора. 4. Реализовать метод и интегрировать его в систему обнаружения атак. 5. Выполнить экспериментальную оценку эффективности метода. Методологически работа построена как экспериментальное исследование на CICIDS2017. Был выполнен аналитический обзор методов защиты. В результате работы был создан макет системы обнаружения атак с аппаратно изолированным защитным слоем и разработан метод адаптивной предобработки входных данных. Метод был реализован, интегрирован в систему и оценен экспериментально. Полученные результаты могут быть использованы для защиты нейросетевых систем обнаружения и показывают, что адаптивная предобработка обеспечивает устойчивость без потери качества на чистом трафике.

The object of the work is the process of network attack detection by neural network systems under adversarial conditions. The purpose of the study is to improve the robustness of such a system to adversarial perturbations without degrading clean-traffic accuracy. The research set the following goals: 1. Analytical review of defense methods. 2. Building a testbed of the attack detection system. 3. Development of an adaptive preprocessing method combining an autoencoder-based adversarial-input detector, a bank of transformations, and an autonomous threshold selection rule. 4. Implementation of the method and its integration into the attack detection system. 5. Experimental evaluation of the methods effectiveness. Methodologically, the work is structured as an experimental study on CICIDS2017. An analytical review of defense methods was carried out. As a result of the work, a testbed of the attack detection system with a hardware-isolated defense layer was built, and an adaptive input data preprocessing method was developed. The method was implemented, integrated into the system, and evaluated experimentally. The obtained results can be used to protect neural network intrusion detection systems and show that adaptive preprocessing provides robustness without degrading clean-traffic accuracy.