Методи і засоби моніторингу та виявлення аномалій трафіку у локальних комп'ютерних мережах

Abstract

У роботі проведено аналітичний огляд особливостей апаратно-програмної організації і принципів функціонування комп’ютерних мереж, як комунікаційної інфраструктури комп’ютерно-інформаційних систем в основі якого лежить ІР- трафік. Запропоновано апаратно-програмне рішення щодо організації маршрутизатора на базі Raspberry PI 5 та прошивки OpenWrt з можливістю інтеграції наборів сервісів у вигляд Docker-контейнерів, що дає змогу імплементувати програмну модель виявлення аномалій трафіку та проведення його моніторингу з використання сервісу Snort практично у режимі реального часу. Програмно реалізовано моделі машинного навчання для виявлення аномалій трафіку на основі алгоритмів навчання з учителем, у результаті аналізу яких обрано оптимальну за продуктивність і точністю модель, що базується на логістичній регресії.

The paper provides an analytical review of the features of the hardware and software organization and the principles of functioning of computer networks as a communication infrastructure of computer and information systems based on IP traffic. This made it possible to identify the features and their importance in classifying traffic into classes "normal" and "anomalous". A hardware and software solution for organizing a router based on Raspberry PI 5 and OpenWrt firmware with the ability to integrate service sets in the form of Docker containers is proposed, which makes it possible to implement a software model for detecting traffic anomalies and monitoring it using the Snort service in almost real time. Machine learning models for detecting traffic anomalies based on supervised learning algorithms are implemented software, as a result of which the optimal model for performance and accuracy, based on logistic regression, was selected.