ПРИМЕНЕНИЕ ЛИНЕЙНОЙ РЕГРЕССИИ ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ В ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ
DOI:
https://doi.org/10.52167/1609-1817-2024-133-4-143-150Ключевые слова:
информационная безопасность, обнаружение аномалий, линейная регрессия, цифровые технологии, безопасность данных, прогнозирование, модель, производительность, метрики оценкиАннотация
В современном мире информационной безопасности, где цифровые технологии занимают центральное место во всех аспектах нашей жизни, необходимость раннего обнаружения аномалий и подозрительной активности становится все более критичной. В данной статье рассматривается применение линейной регрессии в качестве инструмента для обнаружения аномалий в сфере информационной безопасности. Мы рассматриваем основные этапы, начиная с подготовки данных и обучения модели и заканчивая оценкой результатов. Подчеркиваются такие преимущества этого метода, как простота реализации и высокая эффективность при правильной настройке. Статья рекомендует использовать линейную регрессию как инновационный и эффективный инструмент в борьбе с угрозами информационной безопасности, учитывая необходимость тщательной подготовки данных и настройки модели.
Библиографические ссылки
[1] Ян М. «Разработка метода обнаружения аномалий выхода в Интернет на основе модели линейной регрессии», Прикладная математика и нелинейные науки. 2024. №9(1) 1–13.
[2] Ахмед М., «Интеллектуальное обобщение больших данных для обнаружения редких аномалий», Институт инженеров по электротехнике и электронике. 2019. №7. 68669–68677.
[3] Тудуму С., Бранч П., Джин Дж., Сингх Дж.Дж., «Всесторонний обзор методов обнаружения аномалий для высокоразмерных больших данных», Journal of Big Data. 2020. №7(1), 1–30
[4] Ахмед М., Махмуд А. Н., Ислам М. Р., «Обзор методов обнаружения аномалий в финансовой сфере», Future Generation Computer Systems. 2016. №55, 278–288.
[5] Леман Акоглу, Хангханг Тонг, Данай Кутра. (2015). «Обнаружение и описание аномалий на основе графиков: обзор», Data Mining and Knowledge Discovery, 2015. №29. 626–688
[6] Рафферти М., Броган П., Гастингс Дж., Лаверти Д., Лю Х. и Хан Р. «Обнаружение локальных аномалий путем применения регрессионного анализа к данным PMU»., В Proceedings of Power and Общее собрание Энергетического общества (PESGM), 2018 г.
[7] Мотукури В., Харе П., Паризи Р. М. «Обнаружение аномалий на основе федеративного обучения для атак на безопасность Интернета вещей», журнал IEEE Internet of Things, 2021. №9 (4), 2545–2554.
[8] Александр Р. «Использование линейного регрессионного анализа и углубленной защиты для защиты сетей во время глобальной пандемии короны», Журнал информационной безопасности. 2020. №4(11). 261–291.
[9] Мондал М.А., Рехена З., «Техника обнаружения выбросов дорожного движения на основе линейной регрессии», Procedia Computer Science. 2020. №171. 2547–2555.
[10] Базлур Рашид А.Н.М., Ахмед М., Сикос Л.Ф., Хаскелл-Дауленд П., «Обнаружение аномалий в наборах данных кибербезопасности посредством совместного выбора функций на основе коэволюции», Транзакции ACM в информационных системах управления. 2022. №3 (13). 1–39.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2024 Әбілқайыр Тынымбаев, Карлыгаш Байшоланова, Сакен Мамбетов, Кульжан Тогжанова, Айгерим Масаева
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
