Методи та засоби виявлення та реагування на атаки в IoT-середовищах шляхом аналізу мережевого трафіку

Abstract

Кваліфікаційна робота присвячена дослідженню методів і засобів інтелектуального виявлення кібератак в мережах Інтернету речей з використанням концепції автономних AI-агентів. Робота містить аналіз існуючих систем виявлення вторгнень, а також акцентує увагу на можливостях використання локальних великих мовних моделей для аналізу мережевого трафіку. Для створення системи захисту використовується програмний комплекс на базі бібліотеки Scapy для захоплення пакетів та локально розгорнута модель Qwen. Отримані дані про трафік серіалізуються у формат JSON і разом із системним промптом передаються агенту, який за допомогою логічного міркування обирає відповідні інструменти для реагування. Результати цього дослідження можуть мати практичне значення для створення адаптивних систем кібербезпеки, що здатні працювати автономно та забезпечувати конфіденційність даних без передачі інформації у хмару.

The master's thesis is dedicated to researching methods and means for intelligent cyberattack detection in Internet of Things networks using the concept of autonomous AI agents. The study includes an analysis of existing intrusion detection systems and highlights the potential of using local Large Language Models for network traffic analysis. For the security system development, a software solution based on the Scapy library for packet capturing and a locally deployed Qwen model is utilized. The captured traffic data is serialized into JSON format and, along with a system prompt, is passed to the agent, which employs logical reasoning to select appropriate response tools. The results of this research hold practical significance for developing adaptive cybersecurity systems capable of operating autonomously and ensuring data privacy without transmitting information to the cloud.