Метод та програмний засіб виявлення аномалій у часових профілях трафіку комп’ютерних мереж

Abstract

У роботі розглянуто проблему виявлення аномалій у часових профілях трафіку комп’ютерних мереж, що є актуальною через зростання обсягів передавання даних, складність мережевих структур та збільшення кількості кіберзагроз. Проведено аналіз існуючих статистичних, спектральних, фрактальних та інтелектуальних методів детекції аномалій, визначено їх обмеження щодо роботи з багатомасштабними, нестаціонарними та шумовими потоками даних. Запропоновано математичну модель трафіку, яка описує взаємодію повільних трендів, локальних коливань, шумових збурень і аномальних відхилень. На основі цієї моделі розроблено метод виявлення аномалій, що поєднує динамічний модальний розклад (DMD), мультискейлову обробку та робастні статистичні критерії. Метод забезпечує виділення як короткочасних пікових подій, так і довготривалих структурних змін у трафіку. Розроблено програмний засіб у MATLAB, який реалізує мультискейловий DMD-аналіз, формує енергетичні та спектральні показники, виконує робастну нормалізацію та автоматичну порогову детекцію аномалій. Проведено експериментальні дослідження на синтетичних та модельованих даних із добовою мінливістю навантаження. Отримано результати, що демонструють високу чутливість методу, стійкість до шумів та здатність виявляти аномалії різної природи

The work focuses on developing a method and software tool for detecting anomalies in time profiles of computer network traffic. The study highlights the challenges posed by non-stationarity, multiscale dynamics and noise inherent in modern network flows. Existing statistical, spectral, fractal and machine-learning approaches are reviewed, and their limitations in analysing variable and bursty traffic are identified. A mathematical model of traffic is proposed, representing the signal as a combination of slow trends, local oscillations, noise and anomalous events. Based on this model, a method employing multiscale Dynamic Mode Decomposition is developed. The method extracts dominant temporal modes of traffic behaviour and computes energy-based and spectral indicators of deviations. Robust normalization and adaptive thresholding ensure reliable detection under changing load conditions. A MATLAB software tool implementing the proposed method is created, providing automated processing, visualization of modal spectra, reconstruction errors and anomaly detection results. Experimental studies confirm the effectiveness, robustness and interpretability of the approach, demonstrating its capability to detect both short-term spikes and long-term structural changes in network traffic.