Метод блокування незареєстрованого SQL-трафіку на бази даних PostgreSQL та MySQL

Abstract

Кваліфікаційна робота присвячена виявленню та усуненню незареєстрованого sql-трафіку, який потенційно може завдати шкоди продуктивності базі даних, на підставі методу машинного навчання. Проаналізована предметна область, досліджено існуючі інструменти, котрі можуть визначити потенційні збитки від виконання незареєстрованого sql -трафіку та його заблокувати. Докладно описано процес формування даних для здійснення машинного навчання. Досліджено методи виявлення аномалій. За результатами дослідження найефективнішим визначено метод Local Outlier Factor. Спроектовано архітектуру та програмно реалізовано додаток, котрий при моніторингу БД здатний заблокувати потенційно шкідливий незареєстрований sql -трафік із використанням підготовленої моделі машинного навчання.

Thesis deals with the detection and elimination of unregistered sql-traffic, which can potentially damage the performance of the database, based on the method of machine learning. The subject area is analyzed, the existing tools that can determine the potential losses from the execution of unregistered sql -traffic and block it are investigated. The process of data formation for machine learning is described in detail. Methods for detecting anomalies have been studied. According to the results of the study, the Local Outlier Factor method was determined to be the most effective. The architecture was designed and the application was implemented that is able to block potentially harmful unregistered sql-traffic when monitoring the database using a prepared machine learning model.