Россия
Россия
Россия
В данной работе представлен пример модели нейро-нечеткой системы, предназначенной для анализа временных рядов в контексте информационной безопасности, с акцентом на обнаружение аномалий в сетевом трафике. Основная цель модели заключается в выявлении аномалий, что позволяет предотвращать кибератаки и несанкционированный доступ. Модель состоит из двух ключевых компонентов: искусственной нейронной сети (ИНС) для обработки входных данных и нечеткой логики для принятия решений на основе выводов ИНС с учетом неопределенности данных. В процессе работы рассматриваются этапы предобработки данных, обучение нейронной сети на исторических данных, формирование нечетких правил на основе вывода ИНС и финальная дефуззификация, что приводит к получению четкой оценки уровня угрозы. Приведенный пример иллюстрирует, как комбинация ИНС и нечеткой логики может эффективно анализировать временные ряды и адаптироваться к изменениям в поведении системы, что существенно снижает риск кибератак.
нечеткая логик, временные ряды, обнаружение аномалий, информационная безопасность, прогнозирование угроз
1. Демиденко В. В., Кузнецов С. В. Нейронные сети и нечеткая логика в информационной безопасности. Информационные технологии и вычислительные системы, 2021, 8(2), 45-52.
2. Иванов, П. А. Модели и методы анализа временных рядов в информационной безопасности. Безопасность информации, 2020, 6(3), 15-22.
3. Сидорова, Н. В. Использование нечетких систем для обнаружения аномалий в сетевом трафике. Системы и средства информатики, 2019. 29(4), 73-80.
4. Федоров, А. И., & Смирнова, Е. В.. Применение нейронных сетей для анализа данных в области кибербезопасности. Научные записки Тульского государственного университета, 14(1), 2022, 89-95.
5. Smith J. A., Johnson R. T. Neuro-Fuzzy Systems for Anomaly Detection in Cybersecurity. Journal of Information Security, 2021, 12(2), 134-145.
6. Brown, L. M. Time Series Analysis Techniques in Information Security. International Journal of Cyber Defense, 2020, 7(3), 22-29.
7. Williams K. R., Anderson,T. J. Fuzzy Logic Applications in Network Traffic Analysis. Computers & Security, 2019, 85, 75-82.
