Эффективные алгоритмы обнаружения аномалий в компьютерных сетях
Ключевые слова:
Компьютерные сети, обнаружение аномалий, машинное обучение, статистический анализ, безопасность сети.Аннотация
В данной статье рассматриваются эффективные алгоритмы, используемые для обнаружения аномалий в компьютерных сетях. Аномальные изменения в сетевом трафике могут влиять на безопасность системы, поэтому своевременное обнаружение аномалий важно. В исследовании анализируются методы машинного обучения, статистического анализа и техники, основанные на сигнатурах. На основе полученных результатов оценивается эффективность различных методов и рассматриваются возможности их применения.
Библиографические ссылки
Chandola, V., Banerjee, A., and Kumar, V. (2009) Anomaly detection: A survey. ACM Computing Surveys (CSUR), 41, 15:158.
Ahmed M, Mahmood A N, Hu J. A Survey of Network Anomaly Detection Techniques[J]. Journal of Network and Computer Applications, 2015, 60:19-31.
Yu W, Aggarwal CC, Ma S, Wang H. On anomalous hotspot discovery in graph streams. In: Proceedings of the 13th IEEE International Conference on Data Mining (ICDM), Dallas, TX, 2013.
Ide, T. and Kashima, H., Eigenspace-Based Anomaly Detection in Computer Sys- tems, ACM SIGKDD 2004, pp.440-449.
Eslami M, Zheng G, Eramian H, et al. Anomaly detection on bipartite graphs for cyber situational awareness and threat detection[C]// 2017 IEEE International Conference on Big Data (Big Data). IEEE, 2017.
ISCXIDS2012)[OL].https://www.unb.ca/cic/datasets/ids.html Canadian Institute for Cybersecurity.
Denning, D. E. (1987). An Intrusion-Detection Model. IEEE Transactions on Software Engineering.
Lakhina, A., Crovella, M., & Diot, C. (2004). Diagnosing Network-Wide Traffic Anomalies. ACM SIGCOMM.
Chandola, V., Banerjee, A., & Kumar, V. (2009). Anomaly Detection: A Survey. ACM Computing Surveys.
Sommer, R., & Paxson, V. (2010). Outside the Closed World: On Using Machine Learning for Network Intrusion Detection. IEEE Symposium on Security and Privacy.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 А.Д. Тайсагатов
Это произведение доступно по лицензии Creative Commons «Attribution-ShareAlike» («Атрибуция — На тех же условиях») 4.0 Всемирная.
