ЖЕЛІЛІК ТРАФИКТІҢ АНОМАЛИЯСЫН ТАЛДАУ НЕГІЗІНДЕГІ НӨЛДІК КҮН ТӘРІЗДІ ШАБУЫЛДЫ АНЫҚТАУ ҮЛГІЛЕРІНЕ САЛЫСТЫРМАЛЫ ШОЛУ: AUTOENCODER ЖӘНЕ ISOLATION FOREST ГИБРИДТІ МОДЕЛЬМЕН ЖҮРГІЗІЛГЕН ТӘЖІРИБЕ.

Аңдатпа

Желілік шабуылдардың, әсіресе нөлдік күндік шабуылдардың күрделілігі мен жиілігінің артуы дәстүрлі қолтаңбаға негізделген басып кіруді анықтау құралдары үшін үлкен қиындықтар туғызады. Бұл зерттеу желілік трафикке белгісіз шабуылдарды анықтау үшін автокодер мен оқшаулау орманына негізделген гибридті тәсілді ұсынады. Тәжірибе үшін 2 миллионнан астам қалыпты және зиянды трафик белгілерін қамтитын CIC-IDS2017 деректер жиынтығы пайдаланылды. Деректерді алдын ала өңдеуге мүмкіндіктерді қалыпқа келтіру, аралықты өңдеу және белгілерді екілік ету кірді. Автокодер стандартты желілік әрекетті түсіну үшін қалыпты трафик бойынша оқытылды, ал оқшаулау орманы трафиктегі сирек кездесетін ауытқуларды анықтау үшін пайдаланылды. Аномалия анықталған кезде, гибридті модель барлық трафикті аномальды деп белгіледі. Модельді бағалау үшін дәлдік, еске түсіру, F1-ұпай және ROC-AUC метрикалары пайдаланылды. Тәжірибелік нәтижелер қолданылған екі модельге негізделген ұсынылған гибридті әдіс салыстырмалы жалған оң көрсеткіші бар жеке модельдермен салыстырғанда бірінші күнгі шабуыл ұқсастықтары үшін жоғары анықтау көрсеткіштерін беретінін көрсетті. Бұл нәтижелер басып кіруді анықтау тапсырмалары үшін бірнеше модельді біріктірудің орындылығын растайды.