Безпека мережі з використанням рекурентної нейромережі

DOI: 10.31673/2412-9070.2022.0502124

Анотація

Зростання кількості кібератак та шкідливих програм, що спостерігається останнім часом, яскраво свідчить про те, що наявних контрзаходів проти цього явища все ще недостатньо. Хакери стають дедалі обережнішими у своїх підходах передусім завдяки розробленню все якіснішого програмного забезпечення, насамперед — аби уникнути виявлення. Відтак, дедалі очевиднішою стає потреба в ефективному автоматизованому вирішенні кібербезпеки, якого можна досягти за допомогою глибинних нейронних мереж.
У статті досліджено ефективність повторюваних нейронних мереж (Recurrent Neural Networcs, RNN) для боротьби в кіберпросторі. Проведений експеримент показує, що RNN з довготривалою короткочасною пам’яттю (Long Short-Term Memory, LSTM) працює набагато краще, ніж класичні алгоритми машинного навчання (SVM і Random Forest) з точністю відповідно 99,70, 98,55 та 99,42%. Це можливо, оскільки RNN мають вбудовану пам'ять, яка може запам’ятати кілька попередніх станів і неявно виокремити характерні риси, сховану складну структуру та комплекс послідовного зв'язку в даних, який допоможе досягти кращої точності.

Ключові слова: кібербезпека; глибинне навчання; рекурентні нейронні мережі (RNN); LSTM; машинне навчання; виявлення шкідливих програм; SVM.

Список використаної лiтератури
1. Le Cun Y., Bengio Y., Hinton G. Deep learning. 2015. Nature 521(7553). 436 р.
2. Vinayakumar R., Soman KP., Prabaharan Poornachandran. A Comparative Analysis of Deep learning Approaches for Network Intrusion Detection Systems (N-IDSs) // International Journal of Digital Crime and Forensics. July 2019.
3. Application of Deep Learning Architectures for Cyber Security / R. Vinayakumar, K. P. Soman, Prabaharan Poornachandran, S. Akarsh // Advanced Sciences and Technologies for Security Applications, 2019. URL: https://doi.org/10.1007/978-3-030-16837-7_7
4. Devakunchari R., Sourabh, Prakhar Malik. A Study of Cyber Security using Machine Learning Techniques // International Journal of Innovative Technology and Exploring Engineering (IJITEE).
5. A Survey of Deep Learning Methods for Cyber Security Corbett Information / Daniel S. Berman, Anna L. Buczak, Jeffrey S. Chavis, Cherita L. 2019. 10, 122.
6. Mohammed Harun Babu R, Vinayakumar R, Soman KP. RNNSecureNet: Recurrent neural networks for Cyber security use-cases.
7. lei tai, Ming liu. Deep learning in Mobile Robotics-from perception to control systems: ASurvey on Why and Why not // Journal of Latex Class File. August 2015. Vol. 14, No. 8.
8. Hochreiter S., Schmidhuber J. Long short-term memory // Neural Comput. 1997. 9. P. 1735–1780.
9. Sak H. Senior A. W. Processing acoustic sequences using long short-term memory (LSTM) neural networks that include recurrent projection layers. U.S. Patent No. 9,620,108. 11 Apr. 2017.