Метод та програмні засоби виявлення кібератаки типу r.u.d.y. на основі використання алгоритму визначення самоподібності трафіку

Скорочена інформація про документ
dc.contributor.authorЛисенко, С.М.
dc.contributor.authorТкачук, В.А.
dc.contributor.authorLysenko, S.
dc.contributor.authorTkachuk, V.
dc.date.accessioned2019-09-09T11:21:32Z
dc.date.available2019-09-09T11:21:32Z
dc.date.issued2019
dc.description.abstractВ роботі представлено метод виявлення DoS-атаки типу R.U.D.Y. на основі використання алгоритму визначення самоподібності мережевого трафіку. Використання запропонованого методу дозволяє здійснювати виявлення DoS-атаки на прикладному рівні моделі OSI. Запропонований метод може бути основою для побудови програмного забезпечення систем виявлення кібератак.uk_UA
dc.description.abstractAntivirus software using signature-based technologies can not normally detect harmful zero-day software, since such new signatures are not available for newly created malware. An analysis of known methods to combat cyberattacks shows their lack of efficiency, so building a new method for detecting cyber-threats is an extremely urgent task. The article presents a new method for detecting a DoS-attack type R.U.D.Y. using the algorithm to determine the self-similarity of network traffic. In the enlarged version of the presentation of the algorithm, the method consists of two parts: the study of the neural network of previously received data about harmful traffic and the analysis of the received network traffic to form conclusions about the possible detection of cyber attacks. Moreover, in order to improve the efficiency of the method, it is expedient to implement the first part before the actual monitoring of network traffic, as the training of the neural network requires a certain amount of time during which the received harmful traffic can be analysed with insufficient efficiency. As the approach uses the neural networks there are several factors, which can predict prediction accuracy. One of them is the diversity of training samples Most conspicuously, that not all possible feature vectors, that describe different cyberattacks, are adequately represented in the training set. Thus, system can be further improved by choosing more than a few malicious samples for each attack classes. The described method makes it possible to detect harmful streams of data packets among ordinary, and continuous monitoring of certain malicious flows makes it possible to detect an attacker and allows to isolate the usual network data stream from the harmful one. In the enlarged version of the presentation of the algorithm, the method consists of two parts: the study of the neural network of previously received data about harmful traffic and the analysis of the received network traffic to form conclusions about the possible detection of cyber attacks.uk_UA
dc.identifier.citationЛисенко, С.М. Метод та програмні засоби виявлення кібератаки типу R.U.D.Y. на основі використання алгоритму визначення самоподібності трафіку [Текст] / С. М. Лисенко, В. А. Ткачук // Вісник Хмельницького національного університету. Технічні науки. – 2019. – №3. – C. 180-187.uk_UA
dc.identifier.urihttps://elar.khmnu.edu.ua/handle/123456789/7678
dc.language.isoukuk_UA
dc.publisherХмельницький національний університетuk_UA
dc.subjectDoS-атакаuk_UA
dc.subjectR.U.D.Y.uk_UA
dc.subjectR-U-Dead-Yetuk_UA
dc.subjectвиявлення кібератакuk_UA
dc.subjectпоказник Херстаuk_UA
dc.subjectсамоподібність трафікуuk_UA
dc.subjectDoS-attackuk_UA
dc.subjectR.U.D.Y.uk_UA
dc.subjectR-U-Dead-Yetuk_UA
dc.subjectcyberattacks detectionuk_UA
dc.subjectHurst exponentuk_UA
dc.subjecttraffic self-similarityuk_UA
dc.subject.udc621.391uk_UA
dc.titleМетод та програмні засоби виявлення кібератаки типу r.u.d.y. на основі використання алгоритму визначення самоподібності трафікуuk_UA
dc.title.alternativeMethod and software for detecting r.u.d.y. attack based on the usage of the algorithm of determining traffic self-similarityuk_UA
dc.typeСтаттяuk_UA
Файли
Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
14.pdf
Розмір:
2.16 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Назва:
license.txt
Розмір:
4.26 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити
Зібрання
Вісник ХНУ. Технічні науки - 2019 рік