В настоящее время вопрос обнаружения угроз безопасности информации в компьютерных сетях становится проблемой, когда речь заходит о предупреждении таких угроз в реальном времени. Растет количество абонентов практически любой компьютерной сети, а вместе с этим и количество угроз, которые могут привести к возникновению реальной опасности функционирования сети. В связи с этим требуется наличие современных механизмов, которые позволят своевременно, близко к реальному времени реагировать на возникающие угрозы безопасности информации. В данной работе проведен анализ возможных механизмов защиты от угроз нарушения безопасности в компьютерных сетях, и предложена методика реализации такой защиты с использованием нейронных сетей. Кроме того, реализован контрольный пример с обученной глубокой нейронной сетью, которая способна обнаруживать угрозы безопасности информации с высокой точностью и минимальными задержками. Материалы статьи представляют практическую ценность при внедрении такой нейронной сети в систему обнаружения вторжений. Предложенным в статье методом можно добиться близкого к реальному времени реагированию на угрозы нарушения безопасности информации и, как следствие, предотвратить возможные инциденты информационной безопасности.
Currently, the issue of detecting information security threats in computer networks is becoming a problem when it comes to preventing such threats in real time. The number of subscribers of almost any computer network is growing and so does the number of threats that can create a potential danger to the functioning of the network. In this regard, modern mechanisms that will help to respond to emerging information security threats in a timely manner are required. In this paper, the analysis of possible mechanisms of protection against security threats in computer networks is carried out and a methodology for implementing such protection using neural networks is proposed. In addition, a control example is implemented with a trained deep neural network which is able to detect information security threats with high accuracy and minimal delays. The materials of the article are of practical value when incorporating such a neural network into an intrusion detection system. By means of the method proposed in the article, it is possible to achieve a near-real-time response to information security threats and, as a result, prevent possible information security accidents.
The authors declare that there are no conflicts of interest present.