Automatinė anomalijų aptikimo sistema padedanti tinklo administratoriams kuo greičiau aptikti ir sutvarkyti gedimus, atpažinti kibernetines atakas, įspėti apie jas ir laiku užkirsti joms kelią, tokiu būdu sumažinant kaštus, informacinius ir kitokio tipo praradimus.
Tyrimo tikslas – sukurti dirbtiniu intelektu pagrįstą sprendimą, kuris gaudamas interneto tinklo stebėjimo duomenis iš visų įrenginių galėtų laiku identifikuoti problemas ir išmokti prognozuoti jų atsiradimą dar iki pasireiškiant neigiamoms pasekmėms. Kuriamas sprendimas tinklo stebėjimui naudotų duomenis surinktus iš didelio skaičiaus komutatorių, maršrutizatorių. Remiantis šiais duomenimis apmokyti mašininio mokymo algoritmai gebėtų greitai nustatyti ar tinkle vyksta kokia nors anomalija. Taip pat identifikuotų, kuriame konkrečiai įrenginyje ta anomalija yra stebima ir pagal galimybę nurodytų konkretų prievadą ar kelią. Tokiu būdu atliekama plataus masto stebėsena leistų greičiau pašalinti gedimus ir spręsti tinklo problemas, bei jas prognozuoti.
Tyrimo metu buvo sukurtas įrankis, kuris apima:
Įrankio pagalba gauti rezultatai yra atvaizduojami grafiškai, t. y. automatiškai yra sukuriami
ir išsaugomi grafikai, kuriuose atvaizduojamos prievadų, pasižyminčių netipinėmis reikšmėmis,
charakteristikos (rezultatų pavyzdys pateiktas šalia esančiame grafike). Įprastos reikšmės atvaizduojamos juoda spalva, o išskirtys raudona. Detalūs eksperimentai parodė, kad sudaryta anomalijų identifikavimo ISP tinkle metodika gali būti naudojama kaip gana lankstus instrumentas siekiant surasti trikdžius prievado lygmenyje.
Rūta Juozaitienė
Nerijus Šakinis
Bohdan Zhyhun
Ignas Rybakovas
Tomas Krilavičius
Copyright © 2023. All rights reserved