Розробка програмного модуля для виявлення вторгнень методами машинного навчання

Abstract

Проблема виявлення вторгнень вирішується в кваліфікаційній роботі завдяки методам машинного навчання, а саме класифікаційної моделі LR та RF. В роботі детально розглянуто типи систем ідентифікацій вторгнень на основі аномалій, сигнатур та мережевого трафіку. Детально представлено дослідження теми фінансових шахрайств. Наведено аналітичний огляд моделей що використовуються для виявлення вторгнення. Імплементовано алгоритм виявлення вторгнень з метою шахрайства з використанням двох моделей МН, а саме випадкового лісу та логістичної регресії. Проведено порівняльний аналіз результатів моделей, що свідчать про доцільність застосування моделі RF для виконання поставленої задачі. Для оцінки якості роботи моделей використано показники точності та повноти, наведено матрицю похибок.

The problem of intrusion detection is solved in the qualification work due to the methods of machine learning, namely the classification model LR and RF. The paper considers in detail the types of intrusion identification systems based on anomalies, signatures and network traffic. A study of the topic of financial fraud is presented in detail. An analytical review of the models used to detect intrusion is given. An algorithm for detecting intrusions for fraud using two MN models, namely random forest and logistic regression, has been implemented. A comparative analysis of the results of the models that indicate the feasibility of using the RF model to perform the task. To assess the quality of the models, accuracy and completeness indicators were used, and an error matrix was given.