ინფორმაციულ სისტემებში ანომალიური პროცესების მანქანური დასწავლის ალგორითმების დეველოპმენიტი

ყოველდღიურად მილიონობით ადამიანი და ასობით ათასი დაწესებულება ურთიერთობენ ერთმანეთთან ინტერნეტ ქსელის საშუალებით. ბოლო ორი ათწლე­ული წლის განმავლობაში, ინტერნეტით მოსარგებლეთა რაოდენობა ძალიან სწრაფად გაიზარ­და დღეს ამ რიცხვმა 5 მილიარდს გადააჭარბა და ეს სწრაფი ზრდა გრძელდება.

ამ მოვლენების პარალელურად, დღითიდღე იზრდება ინტერნეტში განხორციელე­ბული თავდასხმების რაოდენობა. ინფორმაციული უსაფრთხოების უზრუნველსაყოფად და თავდასხმების გამოსავლენად დღეს ძირითადად გამოიყენება ორი მეთოდი; იდენტიფიკაცია ხელწერის საფუძველზე და გამოვლენა ანომალიების საფუძველზე.

ხელწერებზე დაფუძნებული მეთოდები თავდასხმების გამოსავლენად იყენებენ მონა­ცემთა ბაზებს, რომლებიც ფორმირდება და ივსება უკვე არსებული, ანუ განხორციე­ლე­ბუ­ლი შეტევების მიხედვით მაგრამ, ისინი დაუც­ველნი არიან ნუ­ლოვანი, ადრე უცნობი შეტევების მიმართ. ვინაიდან ახალი ტიპის შეტევები არ არის მო­ნაცემთა ბაზაში, მათ არ შეუძლიათ ამ შეტევების თავიდან აცილება.

ანომალიებზე დაფუძნებული მიდგომა აანალიზებს მონაცემებს მისი ზოგადი თვისე­ბების მიხედვით, როგორიცაა პაკეტის ზომა, კავშირის დრო და პაკეტების რაოდენობა. მას არ სჭირდება შეტყობინების შინაარსის დათვალიერება და ასევე შეუძლია დაშიფრული პროტოკოლების ანალიზი. ამ უპირატესობის გამო ანომალიების გამოვლენის მეთოდები ინტენსიურად გამოიყენება ქსელის შეტე­ვების აღმო­საჩენად და თავიდან ასაცილებლად.

მანქანური სწავლება/დასწავლა გულისხმობს კომპიუტერის უნარს შეისწავლოს ესა თუ ის ამოცანა მონაცემებზე დაყრდნობით, ისწავლოს დამოუკიდებლად, დაპროგ­რამების გარეშე. განსაკუთრებით ყურადღება უნდა გავამახვილოთ კონტროლირებად სწავლის მეთოდებზე, რადგან ასეთი მეთოდებით კვლევის დროს, ქსელის ტრაფიკი რომელიც შეიცავს მონა­ცემების დიდ ნაკადს, შესაძლებელია დაიყოს და ხელით მოხდეს მონაცემების მარკირება.

პროგრამული რეალიზაციისათვის შერჩეულ იქნა, ობიექტზე ორიენტირებული პროგრამირების ენა Python, და რამდენიმე ბიბლიოთეკა Sklearn, Pandas, Matplotlib, NumPy

სემინარზე განხილული იქნება ინფორმაციულ სისტემებში ქსელური ანომალიების გამოვლენის 2 განსხვავებული მიდგომა:

მიდგომა 1 - ალგორითმების დასწავლა შეტევის 12 სხვადასხვა ტიპის გამოყენებით

მიდგომა 2 - ალგორითმების დასწავლა ერთიანი ფაილის გამოყენებით - თავდასხმა და უსაფრთხო ნაკადი.

აღნიშნული მიდგომების ეფექტურობა შეფასებულია მკაცრი მეტრიკების საშულებით რომლებიც თანმიმდევრულად აღწევენ სიზუსტის მაღალ მაჩვენებელს.

  პრეზენტაცია