АНАЛИЗ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ И МЕТОДОВ ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ СЕТЕВЫХ АТАК
DOI:
https://doi.org/10.52167/1609-1817-2022-122-3-227-236Ключевые слова:
обнаружение атак, распознавание атак, нейросетевая модель, параметр безопасности, сетевые атаки, многослойный персептронАннотация
Целью статьи является проведения анализа нейросетевых моделей методов обнаружения и распознавания сетевых атак на Интернет-ориентированные информационные системы. Анализ проведен с позиций определения основных характеристик нейросетевых моделей и методов. Проведен анализ пятнадцати нейросетевых моделей и методов и их базовые характеристики сведены в таблицу. В результате проведенного анализа установлено, что обеспечение эффективности современных нейросетевых методов и моделей идет путем обеспечения в них определенных возможностей, которые характеризуются с помощью критериев, которые приведены в таблице и проанализированы. В результате проведенного анализа показано, что в современных системах обнаружения атак в основном используются классические виды нейросетевых моделей, которые в той или иной степени адаптированы к условиям поставленной задачи. Выявлены недостатки и определены направления для научных исследований.
Библиографические ссылки
[1] Гришин А.В. Нейросетевые технологии в задачах обнаружения компьютерных атак // Информационные технологии и вычислительные системы - 2011. - №1. – с.53-64.
[2] Нейросетевые модели, методы и средства оценки параметров безопасности интернет-ориентированных информационных систем: монография / А. Корченко, И. Терейковский, Н. Карпинский, С. Тынымбаев. – Киев: НАУ, 2016. – 276 с.
[3] Ахметов Б.Б., Корченко А.Г., Терейковский И.А., Алибиева Ж.М., Бапиев И.М. (2017) Параметры оценки эффективности нейросетевых средств распознавания кибератак на сетевые ресурсы информационных систем // Вестник Национальной Академии Наук Республики Казахстан. – 2017. - №2. - С. 19-27
[4] Toliupa, S., Tereikovska, L., Tereikovskyi, I., Doszhanova, A., Alimseitova, Z. (2021) Procedure for Adapting a Neural Network to Eye Iris Recognition // 2020 IEEE International Conference on Problems of Infocommunications Science and Technology, PIC S and T 2020 - Proceedings, р. 167–171, doi 10.1109/PICST51311.2020.94680209468020
[5] Алимсеитова Ж.К. Қолжазба бейнелерін танып білу үшін CNN-LSTM нейрожелілік модельді қолдану ерекшеліктері. ҚазККА Хабаршысы № 1 (120), 2022, б. 127-133
[6] Алимсеитова Ж.К. Қолжазба бейнелерін танып білу үшін CNN-lstm параметрлерінің мәндерін бейімдеу нәтижелері. ҚазККА Хабаршысы № 2 (121), 2022, с. 559-566, DOI 10.52167/1609-1817-2022-121-2-559-566
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2022 Жулдыз Алимсеитова, Бекетова Гульжанат
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
