ML-IDS-project

Дипломная работа бакалавра на тему "Обнаружение атак на программно-конфигурируемые сети с помощью методов машинного обучения"

Аннотация

Программно-конфигурируемая архитектура сетей является новым направлением построения компьютерных сетей, получающим все большее распространение. Основным преимуществом данной архитектуры является централизованное управление всей сетью с одного контроллера. Тем не менее, такой подход открывает новые возможности для атак на сеть, делая контроллер их главной целью. В данной работе рассматриваются различные модели машинного обучения, предлагаемые для обнаружения таких атак.

Датасет

В данной работе используется датасет InSDN, опубликованный в 2020 году и содержащий различные виды трафика, актуального на сегодняшний день (YouTube, чаты, электронная почта и др.) и характерного для ПКС. Датасет несбалансирован, поэтому для балансировки набора данных использовался алгоритм SMOTE (Synthetic Minority Over-sampling Technique), основная идея которого - генерация искусственных объектов в датасете, "похожих" на существующие, но не дублирующих их. Перед началом работы были рассмотрены и другие популярные датасеты для обнаружения вторжений: NSL-KDD (2009), UNSW-NB15 (2015) и CIC-IDS-2017 (2017). Но эти датасеты были составлены достаточно давно, а также содержат записи о трафике традиционных сетей, а не ПКС, поэтому и не были использованы.

Стэк использованных инструментов

• язык программирования - Python;
• библиотека для работы с датасетом - Pandas;
• библиотеки для удобного вывода графиков - Matplotlib и Seaborn;
• библиотека для программной реализации метода SMOTE балансировки датасета - Imbalanced-Learn;
• библиотека для программной реализации моделей классического машинного обучения и MLP - Scikit-Learn;
• библиотека для программной реализации моделей глубокого обучения CNN и LSTM - TensorFlow;
• библиотека для программной реализации моделей глубокого обучения DatRet - datret;
• редактор кода - VS Code.

Публикации тезисов по работе

1. Антонов И. А. ОБНАРУЖЕНИЕ АТАК НА ПРОГРАММНО-КОНФИГУРИРУЕМЫЕ СЕТИ С ПОМОЩЬЮ МАШИННОГО ОБУЧЕНИЯ //ОБЛАЧНЫЕ И РАСПРЕДЕЛЕННЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ В ЭЛЕКТРОННОМ УПРАВЛЕНИИ ОРВСЭУ-2022) В РАМКАХ НАЦИОНАЛЬНОГО СУПЕРКОМПЬЮТЕРНОГО ФОРУМА (НСКФ-2022). – 2022. – С. 75-80.
2. Антонов И. А. Обнаружение атак на программно-конфигурируемые сети с помощью методов машинного обучения //78-е Дни науки студентов НИТУ МИСИС, книга 1. - 2023. - С. 338—339.