Neural network modeling of schemes for recognizing the fact and type of unauthorized intrusion into a user’s computer network

Скорочена інформація про документ
dc.contributor.authorAloshyn Serhii P.
dc.contributor.authorАльошин C. П.
dc.date.accessioned2025-05-21T07:26:22Z
dc.date.available2025-05-21T07:26:22Z
dc.date.issued2024
dc.descriptionAloshyn, S. P. Neural network modeling of schemes for recognizing the fact and type of unauthorized intrusion into a user’s computer network = Нейромережеве моделювання схем розпізнавання факту та типу несанкціонованого проникнення в користувацьку комп’ютерну мережу / S. P. Aloshyn // Зб. наук. пр. НУК. – Миколаїв : Гельветика, 2024. – № 4 (497). – С. 151–155.
dc.description.abstractРозпізнавання факту несанкціонованого проникнення в призначену для користувача комп’ютерну мережу становить певні труднощі, пов’язані з високим ступенем невизначеності, спричиненим схожістю симптомів зараження з типовими програмними збоями комп’ютерних мереж. Для забезпечення високої продуктивності та оперативності розпізнавання типу вторгнення в користувацьку комп’ютерну мережу запропоновано технологію синтезу нейромережевих моделей із примусовим навчанням на ретроспективній вибірці реальних прикладів із практики. Під час синтезу ансамблю моделей розпізнавання обрано нейромережевий підхід аналізу стану комп’ютерної мережі, що ґрунтується на практичній реалізації теореми Колмогорова-Арнольда щодо представлення функції кількох аргументів через суму композицій функцій однієї змінної. Модифікацію синаптичної множини нейромережі реалізовано методом спряжених градієнтів алгоритму зворотного поширення помилки. Експериментальні результати показали стійку збіжність процесу навчання до мінімальних помилок на навчальній і тестовій множинах вихідних даних. Практичне значення результатів дослідження полягає у створенні програмного інструментарію для оперативної підтримки ухвалення рішень з фіксації факту вторгнення в мережу та оцінювання типу шкідливої програми для вжиття заходів щодо мінімізації ймовірного збитку. Розроблена технологія, методичний, алгоритмічний і програмний інструментарій дають змогу доповнити можливості наявних програм захисту мереж щодо розпізнавання факту й типу можливих вторгнень шкідливих програм і реалізується як самостійний додаток в основному коді стандартного пакета технічного аналізу даних. При цьому забезпечується надійність розпізнавання й оперативність ухвалення рішення щодо захисту користувацької мережі. Достовірність результату досягається навчанням моделі на репрезентативній вибірці ретроспективних прецедентів з наявної бази даних.
dc.description.abstract1The recognition of the unauthorized intrusion into a user’s computer network produces certain difficulties associated with a high degree of uncertainty. This is due to the similarity of infection symptoms with typical software failures of computer networks. In order to ensure high productivity and efficiency of detection of the type of intrusion into the user’s computer network, the technology of synthesis of neural network models with forced training on a retrospective sample of real-world examples from practice is proposed. At the synthesis of an ensemble of recognition models, a neural network approach to the analysis of the state of the computer network is selected, based on the practical implementation of the Kolmogorov-Arnold theorem regarding the representation of a function of several arguments by the sum of compositions of functions of one variable. The modification of the synaptic set of the neural network is implemented through the application of the conjugate gradients method of the error backpropagation algorithm. The experimental results have demonstrated stable convergence of the learning process to minimal errors on the training and test sets of initial data. The practical significance of the research results lies in the creation of software tools for operational decision support in determining the fact of intrusion into the network and assessing the type of malware in order to take measures to minimize the probable damage. The developed technology, methodology, algorithms and software tools allow for supplement the capabilities of existing network protection programs to detect the fact and type of possible malware intrusions and are implemented as an independent application in the main code of a standard technical data analysis package. This approach ensures reliability of detection and efficiency of decision-making on protection of the user’s network. The validity of the result is achieved by the training the model on a representative sample of retrospective precedents from the existing database.
dc.identifier.issn2311-3405 (Print)
dc.identifier.issn2313-0415 (Online)
dc.identifier.urihttps://eir.nuos.edu.ua/handle/123456789/10509
dc.language.isoen
dc.relation.ispartofseriesУДК; 004.8.032.2
dc.subjectComputer Network
dc.subjectIntrusion
dc.subjectNeural Network
dc.subjectConjugate Gradients Method
dc.subjectError Backpropagation Algorithm
dc.subjectкомп’ютерна мережа
dc.subjectвторгнення
dc.subjectнейронна мережа
dc.subjectметод спряжених градієнтів
dc.subjectалгоритм зворотного поширення помилки
dc.titleNeural network modeling of schemes for recognizing the fact and type of unauthorized intrusion into a user’s computer network
dc.title.alternativeНейромережеве моделювання схем розпізнавання факту та типу несанкціонованого проникнення в користувацьку комп’ютерну мережу
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Aloshyn .pdf
Розмір:
331.59 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
4.38 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

№ 4 (497) 2024