Модель машинного навчання для виявлення зловмисної активності в журналах подій
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Магістерська дисертація містить 86 сторінок, що складаються із 4-ох розділів, 7 ілюстрацій, та 30 посилань на джерела інформації. Актуальність роботи: в умовах еволюції кіберзагроз та масового переходу зловмисників до використання продвинутих тактик, особливої уваги набуває питання неефективності класичних засобів захисту та реагування на інциденти по факту сповіщення про них. Традиційні інструменти, такі як IDS/IPS, часто не здатні виявити нові атаки, які не містять в собі відомих сигнатур. З огляду на це, потребується створення підходу реалізації моделей машинного навчання та тестування ефективності статистичних методів машинного навчання для виявлення аномалій у системних журналах. Це дозволить не лише розкрити сліпи зони традиційного моніторингу, а й допомогти в процесі проактивного пошуку загроз. Зв’язок роботи з науковими програмами, планами, темами: магістерська дисертація виконується у межах науково-дослідних тем кафедри інформаційної безпеки НН ФТІ «КПІ ім. Ігоря Сікорського», зокрема в напрямі «Застосування машинного навчання у системах виявлення аномальної поведінки користувачів, поведінкового аналізу програмного коду, тощо». Також обрана тема відповідає державній науково-технічній програмі розвитку сфери кібербезпеки в Україні. Роль автора полягає у розробці підходу до створення моделей машинного навчання на основі Elastic Stack для використання у середніх та великих компаніях. Мета дослідження: розробка та оцінка ефективності гібридного підходу, що поєднує детерміновані правила виявлення та методи машинного навчання, для автоматизованого виявлення зловмисної активності у журналах подій інформаційних систем. Об’єкт дослідження: процес виявлення аномалій та аналізу подій інформаційної безпеки в журналах подій операційної системи Linux та вебсерверу. Предмет дослідження: методи та моделі машинного навчання для виявлення аномальної поведінки окремих користувачів та процесів. Наукова новизна одержаних результатів полягає у розробці гібридного підходу до детекції кіберзагроз, який поєднує детермінований аналіз на основі кореляційних правил з методами машинного навчання для виявлення аномалій у поведінці об’єктів.
Опис
Ключові слова
машинне навчання, Elastic Stack, виявлення аномалій, вебшелл, SIEM
Бібліографічний опис
Дрига, А. В. Модель машинного навчання для виявлення зловмисної активності в журналах подій : магістерська дис. : 125 Кібербезпека / Дрига Артем Вадимович. – Київ, 2025. – 86 с.