Розподілена самоорганізована система прогнозування зловмисної активності в комп’ютерних мережах
Вантажиться...
Дата
2022
Автори
Каштальян, Антоніна
Любінецький, Денис
Kashtalian, Antonina
Liubinetskyi, Denys
Назва журналу
Номер ISSN
Назва тому
Видавець
Хмельницький національний університет
Анотація
У роботі розроблено самоорганізовану систему прогнозування зловмисної активності в комп’ютерній мережі згідно алгоритмів роботи глибокого навчання.
Крім того, було представлено нову самоорганізовану інкрементну нейронну мережу під назвою FG-SOINN написану мовою програмування Python.
У SOINN видалення вузлів і ребер визначається двома параметрами, які потрібно оптимізувати для кожної наявної програми за допомогою перехресної перевірки або подібних підходів повторної вибірки. FG-SOINN усуває цей недолік, розглядаючи видалення вузлів і ребер як невід’ємну частину
процесу навчання.
Було сформульовано три концепції для формування «сміттєвого забуття»: час простою, надійність і корисність завдяки чому мережа видаляє вузли та ребра
Така мережа базується на концепті «навчання без вчителя»
і мож
е
працювати із штучними та реальними даними і
,
навіть
,
за раптових
або
повторюваних відхилень
.
n this article, a self-rganized computer network protection system based on deep learning algorithms was considered In addition, a new self-organizing incremental neural network called FG-SOINN written in the Python programming language was presented.In the SOINN, node and edge removal is defined by two parameters that need to be optimized for each existing program using cross-validation or similar resampling approaches. FG-SOINN overcomes this drawback by treating node and edge removal as an integral part of the learning process. Three concepts were formulated to form "garbage oblivion": idle time, reliability, and utility by which the network removes nodes and edges. Such a network is based on the concept of "learning without a teacher" and will work both with artificial and real data and even with sudden or repeated deviationst.
n this article, a self-rganized computer network protection system based on deep learning algorithms was considered In addition, a new self-organizing incremental neural network called FG-SOINN written in the Python programming language was presented.In the SOINN, node and edge removal is defined by two parameters that need to be optimized for each existing program using cross-validation or similar resampling approaches. FG-SOINN overcomes this drawback by treating node and edge removal as an integral part of the learning process. Three concepts were formulated to form "garbage oblivion": idle time, reliability, and utility by which the network removes nodes and edges. Such a network is based on the concept of "learning without a teacher" and will work both with artificial and real data and even with sudden or repeated deviationst.
Опис
Ключові слова
система виявлення вторгнень, аналіз трафіку, глибоке навчання, нейронні мережі, зловмисна активність, самоорганізована система, intrusion detection system, self - organized system, traffic analysis, malicious activity, deep learning, neural networks
Бібліографічний опис
Каштальян А. Розподілена самоорганізована система прогнозування зловмисної активності в комп’ютерних мережах / А. Каштальян, Д. Любінецький // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2022. – № 4. – C. 49-57.