Особенности построения нейросетей с учетом специфики их обучения для решения задач поиска сетевых атак

Авторы и правообладатели:

• Ветров И. А. , Балтийский федеральный университет им. И. Канта (Калининград, Россия)
• Подтопельный В. В. , Калининградский государственный технический университет (Калининград, Россия)

• 1. Панченко А.А. Анализ подходов к построению системы защиты информации на базе модели процесса обработки данных / А.А. Панченко, М.В. Аникиенко, В.Н. Пржегорлинский // Вестник Рязанского гос. радиотехнического ун-та. – 2005. – № 16. – С. 120–123.
• 2. Горюнов М.Н. Синтез модели машинного обучения для обнаружения компьютерных атак на основе набора данных CICIDS2017 / М.Н. Горюнов, А.Г. Мацкевич, Д.А. Рыболовлев // Труды ИСП РАН. – 2020. – Т. 32, вып. 5. – С. 81–94.
• 3. Горюнов М.Н. Оценка применимости методов машинного обучения для обнаружения компьютерных атак / М.Н. Горюнов, А.А. Рыболовлев, Д.А. Рыболовлев // Информационные системы и технологии (Орел). – 2020. – № 6. – С. 103–111.
• 4. Гончаров В.А. Исследование возможностей противодействия сетевым информационным атакам со стороны защищенных ОС и систем обнаружения информационных атак / В.А. Гончаров, В.Н. Пржегорлинский // Вестник Рязанского гос. радиотехнического ун-та. – 2007. – № 20. – С. 10–14.
• 5. Гончаров В.А. Метод обнаружения сетевых атак, основанный на кластерном анализе взаимодействия узлов вычислительной сети / В.А. Гончаров, В.Н. Пржегорлинский // Вестник Рязанского гос. радиотехнического ун-та. – 2011. – № 36. – С. 3–10.
• 6. Жерон А. Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем: пер. с англ. – Спб.: Альфа-книга, 2018. – 688 с.
• 7. Intrusion Detection Evaluation Dataset (CIC-IDS2018) [Электронный ресурс]. – Режим доступа: https://www.unb.ca/cic/datasets/ids-2018.html, свободный (дата обращения: 02.04.2022).
• 8. Leskovec J. Mining of Massive Datasets / J. Leskovec, A. Rajaraman, J. Ullman. – Cambridge: Cambridge University Press, 2014. – 511 p.
• 9. Domingos P.A. Few Useful Things to know about Machine Learning // Communications of the ACM. – 2012. – Vol. 55, No. 10. – P. 78–87.
• 10. Kostas K. Anomaly Detection in Networks Using Machine Learning. – Essex: School of Computer Science and Electronic Engineering University of Essex, 2018. – 70 p.