Выявление угроз нарушения информационной безопасности в сетях с динамической топологией с использованием методов глубокого обучения

Демидов Роман Алексеевич. Выявление угроз нарушения информационной безопасности в сетях с динамической топологией с использованием методов глубокого обучения: диссертация ... кандидата Технических наук: 05.13.19 / Демидов Роман Алексеевич;[Место защиты: ФГБОУ ВО «Петербургский государственный университет путей сообщения Императора Александра I»], 2018
Автор
Демидов Роман Алексеевич
Год
2018
  • 99 000 UZS

Оглавление диссертации
Введение
1. Анализ существующих исследований в области обеспечения безопасности сетей с динамической топологией 11
Структура сетей динамической топологии 11
Протоколы маршрутизации в сетях динамической топологии 13
Разнообразие угроз в сетях динамической топологии 16
Существующие исследования в области сетевой безопасности и программных уязвимостей 23
Глубокие нейронные сети и их применение в актуальных задачах 26
Векторные представления в задачах глубокого обучения 35
Выводы 38
2. Модель угроз и метод их выявления в сетях с динамической топологией 39
Сетевые угрозы нарушения безопасности 39
Сложность формализации признаков сетевых угроз нарушения безопасности 46
Программные угрозы нарушения безопасности 47
Сложность формализации признаков программных угроз нарушения безопасности 54
Угроза нарушения безопасности как внутреннее свойство системы 55
Приближение булевой функции существования угрозы на основе данных об известных угрозах 62
Выводы 64
3. Гибридная архитектура глубокой нейронной сети для расширения класса обнаруживаемых угроз нарушения безопасности 65
Математические особенности булевой функции существования угрозы 65
Ограничения стандартных вычислительных архитектур 69
Особенности нейросетевого выявления угроз 75
Гибридная архитектура глубокой нейронной сети 79
Частные случаи общей архитектуры 89
Выводы 93
4. Метод выявления угроз нарушения безопасности в условиях ограниченных знаний о существующих угрозах 95
Проблемы практического обучения глубокой нейронной сети для задачи выявления угроз 95
Обучение с переносом 101
Векторные представления элементов описания сетей динамической топологии 109
Выводы 117
5. Экспериментальные результаты 118
Семантическое пространство инструкций на основе эмуляции сторонних эффектов кода 118
Семантическое векторное пространство для объектов машинного кода архитектуры MIPS. 121
Практическое выявление угроз с помощью различных модификаций гибридной нейронной сети 126
Построение общего классификатора машинного кода на предмет наличия угроз двух типов с помощью гибридной нейронной сети 131
Выводы 134
Заключение 135
Список источников 137

Рекомендуем вам товары

99 000 UZS
Автор
Никитин Виктор Викторович
Количество страниц
Год
2018
99 000 UZS
Автор
Маркин Дмитрий Олегович
Количество страниц
Год
2018
99 000 UZS
Автор
Лапиков Игорь Игоревич
Количество страниц
Год
2019
99 000 UZS
Автор
Сагитова Валентина Владимировна
Количество страниц
Год
2019
Модули для Opencart 2, Опенкарт 3