DETECTING WEB ATTACKS USING MACHINE LEARNING ALGORITHMS
Voprosy kiberbezopasnosti · 2024
Цель исследования: исследование применимости методов машинного обучения и их оценки в области обнаружения вторжений и атак в вебсреде.Методы исследования: рассмотрены различные реализации алгоритмов машинного обучения для определения типа и атаки в вебсреде, в частности алгоритмы классификации и кластеризации.Для обнаружения атак были выбраны самые оптимальные алгоритмы машинного обучения, реализованные с помощью библиотеки Scikitlearn, после их рассмотрения и сравнительного анализа.В рамках этой работы параметрами оценки эффективности исследуемых алгоритмов являются показатели времени обучения, а также характеристики из Confusion matrix и Classification Report для алгоритмов классификации, и Homogeneity, Completeness, Vmeasure для алгоритмов кластеризации.Результат: для рассматриваемой выборки данных был определен и реализован наиболее экономичный по времени и качеству алгоритм -метод деревьев решений.Наилучшие характеристики для решения поставленной задачи показали деревья решения точность при определении типа и подтипа атаки составляет 99.9662% и 99.9576% соответственно.Время обнаружение атаки в среднем равно 85.39 ms и 114.72 ms для типа и подтипа соответственно.Практическая ценность состоит в том, что предлагается решение задачи для обнаружения и определения различных типов и под типов атаки в веб среде которые позволяют разработать оптимальную стратегию защиты интернет ресурсов и минимизировать вероятность потери, кражи или искажения данных.Вклад авторов: Лапина М. А., Бабенко М. Г., Саджид М. -выбор и постановка задачи исследования; Лапина М. А., Мовзалевская В. В., Токмакова М. Е. -выбор решений, программная реализация и проведение экспериментов; Лапи на М