Нейросетевые принципы построения нейронных систем обнаружения атак на компьютерные сети

Abstract

Большинство современных Систем Обнаружения Атак (Intrusion Detection Systems - IDS) используют все признаки данных для обнаружения вторжений. Кроме того, существующие подходы обнаружения вторжений характеризуются рядом ограничений, например, неспособностью обрабатывать большое количество данных в режиме реального времени, низкой точностью определения и распознавания атак. Для того чтобы преодолеть эти ограничения, в задачах обнаружения и распознавания атак мы применили модулярные нейронные сети. Наш подход основан на использовании комбинации рециркуляционных нейронных сетей (RNN) и многослойных персептронов (MLP). Нейронные сети RNN применяются для уменьшения размерности входного вектора и получения главных компонент. Нами были исследованы два типа рециркуляционных сетей: линейная RNN и нелинейная RNN. Многослойный персептрон применяется для определения и классификации атак на основе анализа данных, полученных в результате применения RNN. Для тестирования предлагаемых подходов использовалась база KDD-99. Эксперименты показали, что подобные модели обладают значительным потенциалом и могут успешно применяться в задачах распознавания атак на компьютерные сети.