2022
Permanent URI for this community
Browse
Browsing 2022 by Subject "category"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Detection of Attacks of the U2R Category by Means of the SOM on Database NSL-KDD(Український державний університет науки і технологій, ННІ «Інститут промислових та бізнес технологій», ІВК «Системні технології», Дніпро, 2022) Pakhomova, Victoria M.; Mehelbei, Yehor O.ENG: Creating an effective system for detecting network attacks requires the use of qualitatively new approaches to information processing, which should be based on adaptive algorithms capable of self-learning. The mathematical apparatus of the Kohonen self-organizing map (SOM) was used as a research method. Python language with a wide range of modern standard tools was used as a software implementation of the Kohonen SOM addition, this section compiles the Python software model «SOM_U2R» using a Kohonen SOM. Created «SOM_U2R» software model on database NSL-KDD an error research was performed for different number of epochs with different map sizes. On the «SOM_U2R» model the research of parameters of quality of detection of attacks is carried out. It is determined that on the «SOM_U2R» created software model the error of the second kind of detection of network classes of attacks Buffer_overflow and Rootkit is 6 %, and for the class Loadmodule reached 16 %. In addition, a survey of the Fmeasure was conducted for a different number of epochs of learning the Kohonen SOM. It is determined that for all network attack classes (except Buffer_overflow) the F-measure increases, reaching its maximum value at 50 epochs.Item Дослідження комбінованого варіанту визначення атак з використанням нейромережних технологій(Український державний університет науки і технологій, ННІ «Інститут промислових та бізнес технологій», 2022) Пахомова, Вікторія Миколаївна; Видиш, Анастасія ДенисівнаUKR: Сучасний світ неможливо уявити без комп’ютерних мереж: як локальних, так і глобальних; тому питання мережевої безпеки стає все більш злободенним. Наразі методики виявлення атак можна підсилити використанням нейронних мереж, що підтверджує актуальність теми. Мета дослідження є порівняльний аналіз параметрів якості визначення мережевих атак з використанням комбінованого варіанту, що складається із різних нейронних мереж. У якості методів дослідження використані: нейронечітка мережа; багатошаровий персептрон; самоорганізуюча карта Кохонена. Програмна реалізація самоорганізуючої карти Кохонена здійснена мовою Python з широким спектром сучасних стандартних засобів, створення багатошарового персептрону та нейронечіткої мережі – за допомогою пакетів Neural Network Toolbox та Fuzzy Logic Toolbox системи MatLAB. На створених нейронних мережах окремо та на їх комбінованому варіанті проведені дослідження параметрів якості визначення мережевих атак. Визначено, що помилка першого роду склала 11 %, 4 %, 10 % і 0 %, помилка другого роду – 7 %, 6 %, 9 % і 6 % на нейронечіткій мережі, багатошаровому персептроні, самоорганізуючої карти Кохонена та їх комбінованому варіанті відповідно, що доказує доцільність використання комбінованого варіанту.