Применение алгоритмов машинного обучения при решении задач информационной безопасности
- 1 начальник отдела, ООО «ЦСС-Сервис» (Москва)
- 2 д.т.н., профессор, ФИЦ «Информатика и управление» РАН (Москва)
- 3 вед. инженер-математик, ООО «ЦСС-Сервис» (Москва)
Аннотация
Изучен вопрос использования алгоритмов машинного обучения при решении задач информационной безопасности, а именно: при построении систем обнаружения вторжений (IDS) нового поколения. Рассмотрены основные недостатки традиционных IDS (основанных на сигнатурных правилах) и предложены методы их решения с помощью применения алгоритмов машинного обучения. Приведены новые методы применения алгоритмов машинного обучения, с помощью которых можно детектировать как уже известные угрозы, так и ранее не замеченные вариации известных угроз.
Для цитирования
Виноградов Ю.В., Назаров А.Н., Сычев А.К. Применение алгоритмов машинного обучения при решении задач информационной безопасности // Системы высокой доступности. 2018. № 4. С. 20–22. DOI: https://doi.org/10.18127/j20729472-201804-05
Список источников
- Machine learning in cybersecurity will boost big data, intelligence, and analytics spending. URL = https:// www.helpnetsecurity.com/2017/01/31/machine-learning-cybersecurity/. Дата обращения: 10.05.2018.
- Cisco 2018. Годовой отчет по информационной безопасности. URL = https://www.cisco.com/c/dam/global/ru_ru/assets/offers/ assets/cisco_2018_acr_ru.pdf. Дата обращения: 11.05.2018.
- Christian Callegari, Stefano Giordano, Michele Pagano Entropy-based network anomaly Detection // 2017 International Conference on Computing, Networking and Communications (ICNC). 2017.
- Idhammad M., Afdel K. & Belouch M., Semi-supervised machine learning approach for DDoS detection // Appl. Intell. 2018. URL = https://doi.org/10.1007/s10489-018-1141-2.
- Kwon D., Kim H., Kim J. et al. A survey of deep learning-based network anomaly detection // Cluster Comput. 2017. URL = https://doi.org/10.1007/s10586-017-1117-8.
- Eric M. Hutchins, Michael J. Cloppert, Rohan M. Amin Intelligence-Driven Computer Network Defense Informed by Analysis of Adversary Campaigns and Intrusion Kill Chains. Lockheed Martin Corporation. 2010.
- Jan Kohout, Tomasÿ Komarek, Prÿemysl Cÿech, Jan Bodnar, Jakub Lokocÿ Learning communication patterns for malware discovery in HTTPs data // Expert Systems With Applications. 2018.