Вісник ХНУ. Технічні науки - 2020 рік

Постійне посилання зібрання

https://elar.khmnu.edu.ua/handle/123456789/8916

Переглянути

Перегляд Вісник ХНУ. Технічні науки - 2020 рік за Ключові слова "004.93"

Зараз показуємо 1 - 2 з 2
  • Ескіз
    Документ
    Метод виявлення кіберзагроз та шпз для забезпечення живучості комп’ютерних систем в корпоративних мережах на основі самоадаптивності
    (Хмельницький національний університет, 2020) Лисенко, С.М.; Кисіль, Т.М.; Нічепорук, Ю.О.; Горошко, А.В.; Lysenko, S.; Kysil, T.; Nicheporuk, Y.; Goroshko, A.
    В роботі представлено метод забезпечення живучості комп’ютерних систем в умовах кіберзагроз на основі самоадаптивності, який дозволяє здійснювати адаптивне реконфігурування компонентів КС шляхом сценаріїв безпеки та забезпечує здатність системи до стійкого її функціонування в ситуації наявності кібератак. Живучість забезпечується адаптивним відновленням мережі. Ця реконструкція проводиться на основі сценарію безпеки, прийнятого на основі аналізу раніше зібраних ознак, притаманних кібератакам. Ознаки атак формуються як вектори ознак і підлягають класифікації. Результатом класифікації є віднесення об’єкту класифікації до відповідного класу, який відповідає певній кібератаці. Метою методу є вибір необхідного сценарію захисту мережевої реконструкції відповідно до кібератак. Експериментальні дослідження свідчать про високу достовірність запропонованого методу, зокрема достовірність виявлення кібератак до 99% та здатності забезпечення живучості КС в ситуації кібератак з рівнем до 70%.
  • Ескіз
    Документ
    Метод виявлення шкідливого програмного забезпечення шляхом аналізу мережного трафіку та поведінки програмного забезпечення в комп’ютерних системах
    (Хмельницький національний університет, 2020) Бобровнікова, К.Ю.; Денисюк, Д.О.; Bobrovnikova, K.; Denysiuk, D.
    У роботі представлено метод виявлення шкідливого програмного забезпечення шляхом аналізу мережного трафіку та поведінки програмного забезпечення в комп’ютерних системах. Метод ґрунтується на класифікації множин API-викликів, вилучених з побудованих графів потоків керування для програмних додатків, та використовує аналіз DNS-трафіку комп’ютерної мережі. В якості класифікатора застосована комбінація глибокої нейронної та рекурентної нейронної мереж. Застосування розробленого методу дозволило підвищити достовірність виявлення шкідливого програмного забезпечення в комп’ютерних системах.