Дослідження комбінованого варіанту визначення атак з використанням нейромережних технологій
Loading...
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Український державний університет науки і технологій, ННІ «Інститут промислових та бізнес технологій»
Abstract
UKR: 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.
ENG: The modern world is impossible to imagine without computer networks: both local and global; therefore, the issue of network security is becoming increasingly topical. Currently, methods of detecting attacks can be strengthened by using neural networks, which confirms the relevance of the topic. The aim of the study is a comparative analysis of the quality parameters of network attacks using a combined variant consisting of different neural networks. As research methods used: neural network; multilayer perceptron; Kohonen's self-organizing map. The software implementation of the Kohonen self-organizing map is carried out in Python with a wide range of modern standard tools, creation of a multilayer perceptron and a fuzzy network - using Neural Network Toolbox packages, and Fuzzy Logic Toolbox system MatLAB. On the created neural networks separately and on their combined variant researches of parameters of quality of definition of network attacks are carried out. It was determined that the error of the first kind was 11%, 4%, 10% and 0%, the error of the second kind - 7%, 6%, 9% and 6% on the fuzzy network, multilayer perceptron, self-organizing Kohonen map and their combined version, respectively, which proves the feasibility of using the combined option.
ENG: The modern world is impossible to imagine without computer networks: both local and global; therefore, the issue of network security is becoming increasingly topical. Currently, methods of detecting attacks can be strengthened by using neural networks, which confirms the relevance of the topic. The aim of the study is a comparative analysis of the quality parameters of network attacks using a combined variant consisting of different neural networks. As research methods used: neural network; multilayer perceptron; Kohonen's self-organizing map. The software implementation of the Kohonen self-organizing map is carried out in Python with a wide range of modern standard tools, creation of a multilayer perceptron and a fuzzy network - using Neural Network Toolbox packages, and Fuzzy Logic Toolbox system MatLAB. On the created neural networks separately and on their combined variant researches of parameters of quality of definition of network attacks are carried out. It was determined that the error of the first kind was 11%, 4%, 10% and 0%, the error of the second kind - 7%, 6%, 9% and 6% on the fuzzy network, multilayer perceptron, self-organizing Kohonen map and their combined version, respectively, which proves the feasibility of using the combined option.
Description
В. Пахомова: ORCID 0000-0002-0022-099X, А. Видиш: ORCID 0000-0001-5843-7377
Keywords
атака, категорія, клас, персептрон, нейронечітка мережі, самоорганізуюча карта Кохонена, комбінований варіант, параметри якості, attack, category, class, perceptron, neural fuzzy network, Kohonen's self-organizing map, combined variant, quality parameters, КЕОМ
Citation
Пахомова В. М., Видиш А. Д. Дослідження комбінованого варіанту визначення атак з використанням нейромережних технологій. Системні технології. Дніпро, 2022. Т. 3. № 140. С. 79–86. DOI: 10.34185/1562-9945-3-140-2022-08.