Введение
Глава 1. Анализ предметной области и постановка задачи 20
1.1. Введение в проблематику построения адаптивных экспертных систем на примере систем обнаружения компьютерных атак 20
1.2. Анализ современных адаптивных экспертных систем на примере системы обнаружения компьютерных атак 23
1.2.1. Типовая архитектура системы обнаружения атак. 23
1.2.2. Методика и критерии сравнения систем обнаружения компьютерных атак 27
1.2.3. Сравнительный анализ современных систем обнаружения компьютерных атак 33
1.3. Анализ применения аппроксимирующих структур для хранения информации в базах знаний экспертных систем на примере системы обнаружения компьютерных атак 48
1.3.1. Технологии обнаружения атак на информацию 48
1.3.2. Современные подходы к обнаружению атак на информацию 52
1.3.3. Анализ проблемных направлений повышения достоверности обнаружения компьютерных атак. 55
1.4. Анализ проблемы хранения информации в базе знаний адаптивной экспертной системы 56
1.4.1. Информация и знания с точки зрения систем искусственного интеллекта 56
1.4.2. Обзор способов представления знаний 63
1.4.3. Анализ методов формирования базы знаний 72
1.5. Анализ проблемы оценки эффективности представления информации аппроксимирующими структурами 79
1.5.1. Критерии оценки качества аппроксимирующих структур 19
1.5.2. Апостериорные и априорные оценки аппроксимирующих свойств 80
1.6. Анализ проблемы извлечения накопленных знаний 81
1.6.1. Логическая прозрачность аппроксимирующих структур 81
1.6.2. Применение аппроксимирующих механизмов для представления знаний 83
1.6.3. Анализ существующих методов извлечения знаний 84
1.7. Постановка задачи повышения достоверности принятия решения адаптивной экспертной системой 88
1.8. Выводы 92
Глава 2. Разработка математической модели представления знаний на основе семантической векторной структуры 95
2.1. Описание математической модели 95
2.2. Представление знаний в семантической векторной структуре 95
2.3. Применение аппарата нечеткой логики для вывода в семантической векторной структуре 98
2.3.1. Отношения между элементами нечеткой семантической векторной структуры 99
2.3.2. Вывод в нечеткой семантической векторной структуре 100
2.3.3. Анализ границ применимости нечеткой семантической векторной структуры при решении задачи обнаружения компьютерных атак 104
2.4. Теорема об аппроксимирующих свойствах нечеткой семантической векторной структуры 107
2.5. Выводы 117
Глава 3. Разработка метода обучения нечеткой семантической векторной структуры 119
3.1. Постановка задачи обучения нечеткой семантической векторной структуры 119
3.2. Разработка градиентного метода определения взаимного расположения входных термов 119
3.2.1. Общие положения 120
стр
3.2.2. Метод наискорейшего спуска 122
3.2.3. Применение метода переменной метрики 126
3.3. Разработка метода коррекции координат терма в пространстве представления знаний 128
3.3.1. Метод направляющего вектора 129
3.3.2. Метод градиента по координатам терма 130
3.3.3. Принцип суперпозиции коррекции 131
3.4. Разработка метода коррекции параметров функций принадлежности термов 132
3.5. Подбор коэффициента обучения 135
3.5.1. Безградиентный метод 137
3.5.2. Градиентный метод 138
3.6. Выводы 139
Глава 4. Разработка метода априорной оценки качества аппроксимирующих структур 142
4.1. Общие положения 142
4.2. Оценка количества информации в функциональной зависимости методом временного анализа 143
4.3. Оценка количества информации в функциональной зависимости методом спектрального анализа 144
4.4. Проблема применения метода к линейной композиции функций 148
4.5. Применение разработанного метода 149
4.6. Экспериментальная проверка предложенного метода 150
4.6.1. Эксперимент №1 151
4.6.2. Эксперимент №2 152
4.6.3. Эксперимент №3 153
4.7. Разработка нейронной сети с базисными функциями Фурье для использования в методе оценки количества информации 155
4.7.1. Разработка нейронной сети с базисными функциями Фурье 155
4.7.2. Обучение нейронной сети с базисными функциями Фурье 157
4.7.3. Исследование нейронной сети с базисными функциями Фурье 158
4.8. Выводы 161
Глава 5. Разработка метода извлечения знаний 164
5.1. Разработка метода извлечения знаний из семантически непрозрачных аппроксимирующих структур 164
5.2. Разработка метода извлечения знаний, накопленных в процессе обучения семантической векторной структуры 166
5.2.1. Упрощение нечеткой семантической векторной структуры 166
5.2.2. Наделение семантикой оставшихся после упрощения структурных элементов 168
5.2.3. Автоматизированное формирование вербального
представления извлеченных знаний 170
5.3. Выводы 172
Глава 6. Экспериментальное исследование аппроксимирующих свойств семантической векторной структуры 175
6.1. Постановка задачи для выполнения эксперимента для исследования аппроксимирующих свойств семантической векторной структуры 175
6.2. Описание эксперимента №1 «Сравнительный анализ аппроксимирующих свойств семантической векторной структуры и искусственной нейронной сети» 177
6.2.1. Моделирование работы семантической векторной структуры 177
6.2.2. Моделирование работы искусственной нейронной сети 181
6.2.3. Выводы по результатам эксперимента 182
6.3. Описание эксперимента №2 «Анализ возможности упрощения семантической векторной структуры» 183
6.3.1. Выполнение эксперимента 184
6.3.2. Выводы по результатам эксперимента 187
6.4. Выводы 188
Глава 7. Экспериментальное исследование применения семантической векторной структуры для формирования модели штатного поведения системы 191
7.1. Разработка подхода к формированию модели штатного поведения системы... 191
7.2. Экспериментальное формирование и исследование модели штатного поведения системы на базе нечеткой семантической векторной структуры 194
7.2.1. Описание эксперимента 194
7.2.2. Работа аппроксиматора в режиме обучения 195
7.2.3. Извлечение накопленных в процессе обучения знаний 197
7.3. Выводы 206
Глава 8. Разработка системы обнаружения компьютерных атак на базе технологии выявления аномальной деятельности 209
8.1. Структурная схема системы обнаружения компьютерных атак 209
8.1.1. Агентский модуль системы обнаружения компьютерных атак 211
8.1.2. Серверный модуль системы обнаружения компьютерных атак 218
8.1.3. Решатель системы обнаружения компьютерных атак 219
8.1.4. Компоненты реагирования системы обнаружения компьютерных атак 228
8.2. Объектная модель решателя системы обнаружения компьютерных атак 231
8.3. Выбор аппроксимирующей структуры для представления знаний в базе знаний системы обнаружения компьютерных атак 234
8.4. Экспериментальное исследование работы механизмов выявления аномальной деятельности системы обнаружения компьютерных атак 236
8.5. Выводы 238
Выводы и заключение 240
Список литературы
