id: 38219
Назва: Інтеграція фрактального аналізу та машинного навчання для виявлення аномалій та кібернетичних атак
Автори: Лебідь О.В., Кіпоренко С.С.
Ключові слова: фрактальний аналіз, машинне навчання, виявлення аномалій, кібератаки, часові ряди, алгоритми класифікації, мережева безпека.
Дата публікації: 2024-12-09 10:56:24
Останні зміни: 2024-12-09 10:56:24
Рік видання: 2024
Аннотація: У цій науковій статті розглядається важливе питання кібербезпеки - виявлення аномалій та кібернетичних атак у комп`ютерних системах. Для досягнення цієї мети автори пропонують інтегрувати два потужні методи - фрактальний аналіз та машинне навчання. Фрактальний аналіз використовується для аналізу та опису структурних властивостей даних, особливо у контексті часових рядів та сигналів. Він дозволяє виявляти складні, нелінійні залежності у даних, які можуть бути пов`язані з аномаліями в мережі або кібернетичними атаками. У даній статті ми пропонуємо метод інтеграції цих двох підходів для підвищення ефективності виявлення кібернетичних атак та аномалій у реальному часі. Представлено експериментальні результати, що демонструють високу точність та надійність запропонованого підходу. Інтеграція фрактального аналізу та машинного навчання пропонує перспективний напрямок для посилення зусиль у галузі кібербезпеки. Поєднання цих двох методологій дозволяє дослідникам та практикам створювати більш надійний захист від кіберзагроз та своєчасно виявляти аномалії в комп`ютерних системах, що, зрештою, сприяє більш безпечному цифровому середовищу. Даний інтегрований підхід не лише підвищує точність виявлення аномалій, а й демонструє здатність адаптуватися до різноманітних мережевих середовищ і нових кіберзагроз. Оскільки цифрове середовище постійно розвивається, синергія фрактального аналізу та машинного навчання надає гнучке та ефективне рішення для захисту комп`ютерних систем. Дослідники та фахівці з кібербезпеки можуть використовувати цей метод, щоб випереджати кіберзловмисників та забезпечувати стійкість критичних мережевих інфраструктур. В умовах зростаючої важливості кібербезпеки це дослідження відкриває можливості для впровадження інноваційних стратегій, що зміцнюють наші цифрові захисні механізми. Наше дослідження спрямоване на інтеграцію фрактального аналізу та машинного навчання для підвищення ефективності виявлення кібератак і аномалій у реальному часі. Фрактальний аналіз може виявляти складні взаємозв`язки у даних, тоді як машинне навчання допомагає розпізнавати шаблони та аномалії. Ми розробили метод, що поєднує ці два підходи, щоб досягти більш точного та надійного виявлення кібератак і аномалій у реальному часі, що підтверджується нашими експериментальними результатами.
URI: http://81.30.162.23/repository/getfile.php/38219.pdf
Тип виданя: Статті у наукових фахових виданнях України (Copernicus та інші)
Видавництво: Наука і техніка сьогодні. 2024. № 12 (40). С. 1294-1313. URL: http://perspectives.pp.ua/index.php/nts/article/view/17046/17118 DOI: https://doi.org/10.52058/2786-6025-2024-12(40)-1294-1313
Розташовується в колекціях :
Ким внесений: Адміністратор
Файл : 38219.pdf Розмір : 1941086 байт Формат : Adobe PDF Доступ : Загально доступний
| |
|
|
