УДК 004.891.3
DOI: 10.36871/26189976.2026.06-5.012

Авторы

Зарина Мухмадовна Лорсанова,
ФГБОУ ВО Чеченский государственный университет им. А.А. Кадырова, Грозный, Россия
Анна Алексеевна Ильмушкина,
РОСБИОТЕХ Федеральное государственное бюджетное образовательное учреждение высшего образования Российский биотехнологический университет, Москва, Россия
Владислав Евгеньевич Вилков,
Северо-Западный институт управления РАНХиГС, Санкт-Петербург, Россия

Аннотация

В статье раскрываются теоретико-методические основы построения интеллектуальных систем обнаружения вторжений, ориентированных на анализ поведенческих данных пользователей, узлов и сетевых потоков. Обоснована ограниченность сигнатурного подхода при выявлении неизвестных и малозаметных атак. Рассмотрены методы формирования эталонного профиля нормального поведения, выделения информативных признаков, оценки аномальности и классификации событий. Показано, что сочетание нейросетевых, вероятностных и ансамблевых моделей повышает точность детектирования при снижении доли ложных срабатываний.

Ключевые слова

интеллектуальная система
обнаружения вторжений,
поведенческие данные,
кибератака,
аномалия,
машинное обучение.

Список литературы

[1] Асяев Г.Д., Соколов А.Н. Обнаружение вторжений на основе анализа аномального поведения локальной сети с использованием алгоритмов машинного обучения с учителем // Вестник УрФО. Безопасность в информационной сфере. 2020. № 1 (35). С. 77–83. DOI: 10.14529/secur200109.

[2] Бабичева М.В., Третьяков И.А. Применение методов машинного обучения для автоматизированного обнаружения сетевых вторжений // Вестник Дагестанского государственного технического университета. Технические науки. 2023. Т. 50. № 1. С. 53–61. DOI: 10.21822/2073-6185-2023-50-1-53-61.

[3] Близнюк М.В., Близнюк В.И., Постарнак А.П., Болбенков А.В., Кибалин А.Ю. Обнаружение признаков аномального поведения трафика на основе методов искусственного интеллекта // Труды учебных заведений связи. 2025. Т. 11. № 5. С. 9–20. DOI: 10.31854/1813-324X-2025-11-5-9-20. EDN: WALXIJ.

[4] Болодурина И.П., Парфёнов Д.И., Забродина Л.С., Жигалов А.Ю., Торчин В. А. Моделирование идентификации профиля кибератак на основе анализа поведения устройств в сети провайдера телекоммуникационных услуг // Вестник Южно-Уральского государственного университета. Серия: Компьютерные технологии, управление, радиоэлектроника. 2019. Т. 19. № 4. С. 48–59. DOI: 10.14529/ctcr190405.

[5] Большев А.К., Яновский В.В. Применение нейронных сетей для обнаружения вторжений в компьютерные сети // Вестник Санкт-Петербургского университета. Серия 10. Прикладная математика. Информатика. Процессы управления. 2010. № 1. С. 129–136.

[6] Браницкий А.А., Котенко И.В. Обнаружение сетевых атак на основе комплексирования нейронных, иммунных и нейронечетких классификаторов // Информационно-управляющие системы. 2015. № 4. С. 69–77.

[7] Васильев В.И., Шарабыров И.В. Интеллектуальная система обнаружения атак в локальных беспроводных сетях // Вестник Уфимского государственного авиационного технического университета. 2015. Т. 19. № 4 (70). С. 95–105.

[8] Гайфулина Д.А., Котенко И.В. Анализ моделей глубокого обучения для задач обнаружения сетевых аномалий Интернета вещей // Информационно-управляющие системы. 2021. № 1. С. 28–37. DOI: 10.31799/1684-8853-2021-1-28-37.

[9] Зубков Е.В., Белов В.М. Методы интеллектуального анализа данных и обнаружение вторжений // Вестник СибГУТИ. 2016. № 1. С. 118–133.

[10] Зуев В.Н., Ефимов А.Ю. Нейросетевой поведенческий анализ действий пользователя в целях обнаружения вторжений уровня узла // Программные продукты и системы. 2019. Т. 32. № 2. С. 268–272. DOI: 10.15827/0236-235X.126.268-272.

[11] Кажемский М.А., Шелухин О.И. Многоклассовая классификация сетевых атак на информационные ресурсы методами машинного обучения // Труды учебных заведений связи. 2019. Т. 5. № 1. С. 107–115. DOI: 10.31854/1813-324X-2019-5-1-107-115.

[12] Кулешова Е.А., Марухленко А.Л., Таныгин М.О., Косилова Е.А., Лаврова Е.Д. Реализация системы обнаружения вторжений с использованием нейронной сети // Прикаспийский журнал: управление и высокие технологии. 2023. № 3 (63). С. 54–63. DOI: 10.54398/20741707_2023_3_54.