Дослідження дворівневого виявлення PROBE атак засобами нейронних мереж

Simple item page
dc.contributor.authorПахомова, Вікторія Миколаївнаuk_UA
dc.contributor.authorГалушка, Олександр Валентиновичuk_UA
dc.date.accessioned2025-01-02T09:27:55Z
dc.date.available2025-01-02T09:27:55Z
dc.date.issued2024
dc.descriptionВ. Пахомова: ORCID 0000-0002-0022-099X; О. Галушка: ORCID 0009-0005-3447-2676uk_UA
dc.description.abstractUKR: У даній роботі проведено дослідження дворівневого виявлення мережевих атак категорії Probe засобами нейронних мереж. Запропоновано використання багатошарового перцептрону конфігурації 31-1-124-5, де 31 – кількість вхідних нейронів; 1 – кількість прихованих шарів; 124 – кількість прихованих нейронів; 5 – кількість результуючих нейронів для виявлення мережевої категорії атаки DоS, U2R, R2L та Probe (на першому рівні) та самоорганізуючої карти Кохонена 10*10 для виявлення мережевих класів атак відповідно до категорії Probe: Ipsweep; Nmap; Portsweep; Satan (на другому рівні). Для виявлення мережевих атак категорії Probe створено з використанням мови Python та бібліотеки PyTorch програмну модель «MLP1-SOM2_Probe», що заснована на реалізації запропонованих конфігурацій багатошарового перцептрону та самоорганізуючої карти Кохонена. Для організації досліджень використані дані із KDDСup99, що пройшли відповідну обробку на підготовчому етапі: очищення даних; вибір ознак; мапінг категоріальних ознак; масштабування та нормалізація; розбиття даних на відповідні вибірки (навчальна, тесту вальна та валідаційна). На створеній моделі «MLP1-SOM2_Probe» визначені оптимальні параметри відповідних нейронних мереж: функція активації, оптимізатор і швидкість навчання для MLP1; ступінь впливу нейрона на сусідні нейрони та швидкість навчання для SOM2. Проведено оцінювання параметрів якості дворівневого виявлення Probe атак на створеній моделі «MLP1-SOM2_Probe». Визначено, що дворівневе виявлення атак на моделі «MLP1-SOM2_Probe» склало в середньому приблизно 98,8 %, що дозволяє досягти більш високої точності в зрівнянні з дворівневим виявленням атак на основі використання моделі «MLP1-MLP2_Probe».uk_UA
dc.description.abstractENG: In this paper, a study of two-level detection is carried out network attacks of the Probe category by means of neural networks. The use of a multilayer perceptron is proposed configurations 31-1-124-5, where 31 is the number of input neurons; 1 – quantity hidden layers; 124 – the number of hidden neurons; 5 – quantity resulting neurons to detect the network attack category DoS, U2R, R2L and Probe (on the first level) and a self-organizing Kohonen map 10*10 to detect network attack classes according to the Probe category: Ipsweep; Nmap; Portsweep; Satan (on the second level). To detect network attacks categories Probe created using the Python language and the PyTorch «MLP1-SOM2_Probe» software model based on the implementation of proposed multilayer perceptron configurations and of the self-organizing map of Kohonen. For the organization of research, data from KDDСup99 that has been properly processed at the preparatory stage: data cleansing; selection of features; mapping of categorical features; scaling and normalization; splitting the data into appropriate samples (training, testing and validation). On the created model «MLP1-SOM2_Probe» defined optimal parameters of the corresponding neural networks: activation function, optimizer and learning speed for MLP1; the degree of influence of the neuron on nearby neurons and learning rate for SOM2. Evaluation conducted quality parameters of two-level detection of Probe attacks on the created model «MLP1-SOM2_Probe». It is determined that two-level detection of attacks on models «MLP1-SOM2_Probe» averaged about 98.8%, which allows achieve higher accuracy compared to two-level attack detection based on the use of the «MLP1-MLP2_Probe» model.en
dc.identifier.citationПахомова В. М., Галушка О. В. Дослідження дворівневого виявлення PROBE атак засобами нейронних мереж. Вісн. Херсон. нац. техн. ун-ту. 2024. № 3 (90). С. 271–277. DOI: 10.35546/kntu2078-4481.2024.3.33.uk_UA
dc.identifier.doiDOI: 10.35546/kntu2078-4481.2024.3.33
dc.identifier.issn2078-4481 (print)
dc.identifier.urihttps://crust.ust.edu.ua/handle/123456789/19365
dc.identifier.urihttps://journals.kntu.kherson.ua/index.php/visnyk_kntu/issue/view/68
dc.identifier.urihttps://journals.kntu.kherson.ua/index.php/visnyk_kntu/article/view/727
dc.language.isouk
dc.publisherВидавничий дім “Гельветина”, м. Одеса, Українаuk_UA
dc.subjectатакаuk_UA
dc.subjectProbeen
dc.subjectдворівневе виявленняuk_UA
dc.subjectкатегоріяuk_UA
dc.subjectкласuk_UA
dc.subjectбагатошаровий перцептронuk_UA
dc.subjectсамоорганізуюча картаuk_UA
dc.subjectвибіркаuk_UA
dc.subjectточністьuk_UA
dc.subjectattacken
dc.subjecttwo-level detectionen
dc.subjectcategoryen
dc.subjectclassen
dc.subjectmultilayer perceptronen
dc.subjectself-organizing mapen
dc.subjectsamplingen
dc.subjectaccuracyen
dc.subjectКЕОМuk_UA
dc.subject.classificationTECHNOLOGY en
dc.subject.classificationTECHNOLOGY::Information technologyen
dc.titleДослідження дворівневого виявлення PROBE атак засобами нейронних мережuk_UA
dc.title.alternativeTwo-level Detection of PROBE Attacks by Means of Neural Networksen
dc.typeArticleen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Pakhomova_Halushka.pdf
Size:
780.78 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Статті КЕОМ