Тема: РАЗРАБОТКА И ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ АЛГОРИТМА ОБНАРУЖЕНИЯ DDOS-АТАК НА WEB-ПРИЛОЖЕНИЕ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ

Благодаря огромному разнообразию методик и специального программного обеспечения, DDoS окончательно превратился из внезапного необычного события в повседневную реальность. Согласно многочисленным исследованиям в 2016¬2017 годах DDoS приобрел устрашающие масштабы — в каждой атаке задействуются сотни тысяч подключенных к Интернету устройств.
К сожалению, в сфере противодействия данной атаке не наблюдается роста активности — вендоры защитного оборудования крайне с большим опозданием реагируют на возникшую необходимость усиления мер информационной безопасности в собственных продуктах либо совсем не внедряют никаких решений по защите.
В отчетах говорится о том, что с годами популярность набирают сложноорганизованные атаки уровня приложений и HTTP протоколов. Чтобы не допустить влияния подобных атак на серверное оборудование необходимо применять современные, сложные механизмы защиты. Ущерб от успешно проведенных атак измеряется тысячами долларов.
В первом квартале 2017 года были зафиксированы атаки по целям, расположенным в 72 странах мира, сильно выросла активность Windows- ботнетов, впервые за весь год они стали активнее Linux-ботнетов. Их доля выросла с 25% в прошлом квартале до 59,8% в первом квартале 2017 года. По дням число атак в первом квартале 2017 года распределилось в диапазоне от 86 до 994.
В связи с тем, что атаки подобного рода стали обыденностью, а не чем -то неожиданным и уникальным, а защите от них не уделяется должного внимания, появилась идея изучить механизм DDoS атак на веб-приложения. А также выстроить систему мониторинга количества запросов к веб-серверам, основываясь на программный продукт, который содержит в себе нейронную сеть.
Нейронные сети давно и успешно проникают в разные сферы нашей жизни. Уже никто не удивляется тому, что почтовые ящики сами учатся распределять почту. В последние годы также появилась тенденция, вместе с ростом мощности ПК и телефонов, внедрять элементы машинного обучения в различные приложения. Поэтому можно сказать, что задача применения алгоритмов нейронных сетей для обнаружения DDoS атак на основе многократных http- запросов актуальна на текущий момент.
Купить

Количество DDoS атак на веб-приложения уже не увеличивается в стремительном темпе, но остается на стабильно высоком уровне. Данная ситуация может быть опасна тем, что проведение таких атак становится чем-то обыденным, что усыпляет бдительность тех, кто разрабатывает системы защиты серверов и сайтов.
Применение нейронных сетей в данной сфере оказалось не только возможным, но и достаточно хорошо реализуемым способом обнаружения DDoS атак на основании анализа access 1од’ов. Все изученные типы нейронных сетей показали очень хороший результат - процент неправильно идентифицированных записей не превышает 10-15% для выборок размером более чем в 1000 строк.
При пополнении обучающих выборок для тех нейронных сетей, для которых это применимо, результат становится более точным, хоть и замедляется процесс обучения. В режиме реального времени наиболее быстро и с самыми низкими затратами ресурсов с задачей классификации запросов справится сеть Кохонена, также ей не нужно коллекционировать обучающие выборки. Но все- таки остается риск получить значительно больший процент несовпадений, чем, например, для сети с обратным распространением ошибки.
В общем случае нейронные сети отлично показывают себя применительно к задаче классификации данных. Все типы алгоритмов могут быть оптимизированы и усовершенствованы. Многие из них можно включить в программный комплекс, который будет не только обнаруживать подозрительную активность в среде http- запросов, но и оперативно реагировать на нее - время обучения самой массивной нейронной сети не превышает минуты (при оптимальном количестве эпох).

Купить