ЖАСАНДЫ ИНТЕЛЛЕКТКЕ НЕГІЗДЕЛГЕН ЖЕЛІЛІК ТРАФИКТІ ТАЛДАУ АРҚЫЛЫ ИНТРУЗИЯНЫ АНЫҚТАУ ЖҮЙЕЛЕРІН ЖЕТІЛДІРУ: АУЫТҚУЛАРДЫ АНЫҚТАУ

Аңдатпа

ТҮЙІНДЕМЕ. Қазіргі таңда күрделі киберқатерлер мен күрделі желілік инфрақұрылымдардың көбеюі жағдайында шабуылдарды анықтау жүйелері (IDS) цифрлық активтерді қорғауда маңызды рөл атқарады. Алдын ала анықталған ережелер мен сигнатураларға негізделген дәстүрлі IDS әдістері күрделі шабуылдарға қарсы тиімсіз болуда. Осы мәселелерді шешу үшін машинамен оқыту әдістері, мысалы, XGBoost (Extreme Gradient Boosting), шабуылдарды анықтау мүмкіндіктерін арттыру үшін күшті құрал болып табылады. Бұл мақалада XGBoost-ты IDS жүйесінде таныс және таныс емес желілік шабуылдарды анықтау үшін қолдану қарастырылады. Ансамбльді оқыту әдісін қолдана отырып, XGBoost дәлдік пен тиімділікті арттырып, динамикалық желі орталарында нақты уақыт режимінде сенімді шешім ұсынады. Зерттеу мәліметтерді жинау, алдын ала өңдеу, модельді оқыту және оның жұмысын бағалау кезеңдерін қамтиды. Сондай-ақ, модельді түсіндіру, жалған оң жауаптар және үздіксіз оқыту қажеттілігі сияқты мәселелер қарастырылады. Бұл жұмыс XGBoost-тың желі қауіпсіздігін арттыру және қауіп-қатерлерді проактивті түрде анықтау үшін зор әлеуетін көрсетеді.

Түйінді сөздер: шабуылдарды анықтау жүйесі (ids), машинамен оқыту, xgboost, желілік қауіпсіздік, нақты уақыт режимінде анықтау, аномалияларды анықтау, киберқауіпсіздік, ерекшеліктерді инженерлік өңдеу, градиентті бустинг, жалған оң жауаптар, модельді бағалау, мәліметтерді алдын ала өңдеу.