Сетевое издание

Международный студенческий научный вестник

ISSN 2409-529X

По статистике количество образцов новых атак, совершаемых на системы, постоянно растет.

Рис. 1 – Количество новых типов атак за 2015-2016гг

Неспособность обнаруживать новые образцы атак – недостаток современных систем обнаружения атак. Чтобы устранить данный недостаток внедряются интеллектуальные подходы к анализу данных для обнаружения атак.

Под интеллектуальным анализом будем понимать анализ с использованием систем искусственного интеллекта. В настоящее время, существует большое количество СИИ, из них можно выделить:

1. Генетические алгоритмы.

2. Экспертные системы.

3. Искусственные иммунные системы.

4. Искусственные нейронные сети.

Для того, чтобы выбрать определенную область систем искусственного интеллекта, необходимо их сравнить между собой. В таблице 1 представлен сравнительный анализ систем искусственного интеллекта (СИИ), произведенный на основе экспертной оценки:

Таблица 1

Исходя из того, что нейронная сеть обладают наилучшим набором критериев, исходя из спектра решаемости задач и сложности функционирования для дальнейшей реализации было выбрано именно это направление в системах искусственного интеллекта.

Ввиду этого актуальным является выбор наиболее рациональной программы интеллектуального анализа событий информационной системы (ИС) с помощью нейронных сетей [1, C.162].

Существует множество программ для интеллектуального анализа событий ИС, но здесь будет рассмотрено 5 программ, наиболее функциональных и популярных:

1. STATISTICA Automated Neural Networks (SANN) - программный пакет для создания и обучения нейронных сетей, который решает большой спектр задач [2, С. 168].

2. Deductor Studio – аналитическая платформа, которая позволяет на базе единой архитектуры пройти все этапы построения аналитической системы: от консолидации данных до построения моделей и визуализации полученных результатов [3, C. 37].

3. Neural network toolbox (NNTool) – пакет расширения MATLAB, содержащий средства для проектирования, моделирования, разработки и визуализации нейронных сетей [2, С. 169].

4. MemBrain Neural Network – представляет собой мощный графический редактор и симулятор нейронных сетей, поддерживающий нейронные сети различных архитектур любого размера.

5. Neuro Solutions - сверхсовременный программный пакет совмещает модульный, с иконным представлением, интерфейс разработки нейронной сети, с реализацией усовершенствованных процедур обучения [5].

Чтобы оценить качество выделенных программ были сформулированы критерии для их оценки [4]:

• Скорость обучения (К1) – определяет время, затрачиваемое на расчет величин весов связей между нейронами, отвечающих требованиям точности;
• Понятный графический интерфейс (К2) – наличие удобного и интуитивно понятного пользователю интерфейса;
• Наглядность информации (К3) – наличие возможности графического представления информации по окончанию обучения и моделирования нейронной сети (НС);
• Реализация основных видов НС и алгоритмов обучения (К4) – возможность реализация как можно большего количества стандартных видов НС и алгоритмов их обучения;
• Создание своих структур НС (К5) – возможность создания собственных структур НС, позволяющих указывать такие параметры как: тип сети, количества, размера скрытых слоев и т.д.;
• Использование собственных алгоритмов (К6) – возможность подключения собственных алгоритмов обучения в виде программных модулей;
• Автоматизированное формирование НС (К7) – возможность подбора наилучших параметров автоматически, что облегчает использование такой программы;
• Процедура импорта результатов (К8) –возможность сохранять результаты в различные файлы и передавать их в приложения;
• Генератор исходного кода (К9) – возможность сгенерировать исходный программный код нейросетевых моделей на различных языках программирования;
• Взаимосвязь (корреляция) событий (К10) – возможность учитывать то, как события связаны между собой. Если в пакете предусмотрено такая функция, то это позволяет обнаруживать атаки, которые состоят из нескольких шагов.

В таблице 2 приведены качественные значения критериев для выделенных программ.

Таблица 2

Так как ни одна из программ не обладает наилучшим набором значений критериев, необходимо разработать программное средство для автоматизации выбора наиболее рациональной программы интеллектуального анализа событий информационной системы.

Для этого нужно разработать математическую модель, реализующую эту оценку.

Сформируем вектор критериев К = (К1, К2, К3, К4, К5, К6, К7, К8, К9, К10), где критерии принимают следующие значения:

Существует наилучший вектор , в котором все значения критериев соответствуют максимальным значениям. Для всех критериев это значение 1.

.

Для оценки качества нейросетвых пакетов вводится скалярная величина, равная Эвклидовому расстоянию между наилучшим вектором и вектором критериев, полученным для i-го оцениваемого метода:

Эвклидово расстояние рассчитывается по формуле (1).

. (1)

Нейросетевой пакет, для которого расстояние до наилучшего вектора окажется наименьшим, можно считать наиболее рациональным пакетом для работы с нейронными сетями.

Было проведено 5 экспериментов, в результате которых получены следующие значения обобщенных оценок для каждого нейросетевого пакета, представленные на рис. 1:

1. STATISTICA Automated Neural Networks 0,7071067811865;

2. Deductor Studio - 2,0615528128088;

3. Neural network toolbox - 2,8722813232690;

4. MemBrain Neural Network - 2,0615528128088;

5. Neuro Solutions – 2.

Рис. 2 – Обобщенные оценки нейросетевых пакетов

Сравнив полученные результаты, можно прийти к выводу, что наиболее рациональной программой является STATISTICA Automated Neural Networks. У этой программы значения критерия 4 «Реализация основных видов НС и алгоритмов обучения» и критерия 7 «Наличие автоматизированной НС» имеют наивысшие показатели, среди всех анализируемых программ.