Розробка модульних нейронних мереж для виявлення різних класів мережевих атак

Abstract

У статті розглянуто розробку модульних нейронних мереж для виявлення різних класів мережевих атак, що є важливим кроком у напрямку удосконалення систем виявлення вторгнень. Сучасні системи виявлення атак стикаються з численними обмеженнями, серед яких основними є низька ефективність при аналізі великих обсягів даних, високі вимоги до часу навчання моделей, а також проблеми з адаптацією до нових типів загроз. Ці недоліки обумовлені використанням монолітних підходів, при яких усі параметри мережевої взаємодії обробляються в рамках однієї нейронної мережі, що значно знижує гнучкість та ефективність системи. Пропонований у статті модульний підхід передбачає використання окремих нейронних мереж для обробки груп однотипних параметрів мережевої взаємодії, що дозволяє підвищити ефективність виявлення атак, зменшити час навчання моделей, а також здійснювати динамічне відключення або перепідготовку окремих модулів без необхідності зупиняти роботу всієї системи. Така архітектура дозволяє більш ефективно класифікувати атаки, а також покращити здатність системи до адаптації до нових загроз. У статті також детально аналізуються переваги модульного підходу порівняно з традиційними монолітними системами, що забезпечують значно більшу гнучкість і точність у виявленні та класифікації різних класів атак.