DETERMINATION OF NETWORK ATTACKS USING NEURAL NETWORK TECHNOLOGIES
DOI:
https://doi.org/10.30890/2709-2313.2021-07-08-003Keywords:
determination of network attacks using neural network technologiesAbstract
determination of network attacks using neural network technologiesMetrics
References
Браницкий А. А. Обнаружение аномальных сетевых соединений на основе гибридизации методов вычислительного интеллекта: автореф. дис. канд. техн. наук. Санкт-Петербург, 2018. 18 с.
Биковська Д.Г., Пахомова В.М. Виявлення мережевих атак на створеному програмному комплексі з використанням методів штучного інтелекту // Тези XIV Міжнародної науково-практичної конференції «Сучасні інформаційні та комунікаційні технології на транспорті, в промисловості та освіті» 15-16 грудня 2020 р. Дніпро: ДНУЗТ, 2020. С. 144.
Биковська Д.Г. Визначення мережевих атак з використанням методів штучного інтелекту : дипломна робота на здобуття кваліфікаційного ступеня магістра : спец. 125 - кібербезпека / наук. керівник В.М. Пахомова; Дніпров. нац. ун-т залізн. транс. ім. акад. В.А. Лазаряна. Дніпро, 2020. 81 с.
Видиш А.Д., наук. керівник Пахомова В.М. Визначення категорії мережевих атак на комп’ютерну мережу з використанням нейронечіткої мережі // Інформаційно-телекомунікаційні технології та комп’ютерне моделювання. Збірник тез доповідей 81 Всеукраїнської науково-технічної конференції молодих учених, магістрантів та студентів «Наука і сталий розвиток транспорту» 28 жовтня 2021 р. Дніпро: ДНУЗТ, С. 23-24.
Жульков Е.В. Построение модульных нейронных сетей для обнаружения классов сетевых атак: автореф. дис. канд. техн. наук. Санкт-Петербург, 2007.16 с.
Котов В.Д., Васильев В.И. Система обнаружения сетевых вторжений на основе механизмов иммунной модели. Известия Южного федерального университета. Технические науки. 2011. С. 180-189. URL: https://cyberleninka.ru/article/n/sistema-obnaruzheniya-setevyh-vtorzheniy-na-osnove-mehanizmov-immunnoy-modeli/viewer
Павленко І.І., наук. керівник Пахомова В.М. Створення самоорганізуючої карти для визначення класів мережевих атак категорії PROBE // Інформаційно-телекомунікаційні технології та комп’ютерне моделювання. Збірник тез доповідей 81 Всеукраїнської науково-технічної конференції молодих учених, магістрантів та студентів «Наука і сталий розвиток транспорту» 28 жовтня 2021 р. Дніпро: ДНУЗТ, С. 24-25.
Пахомова В.М., Видиш А.Д. Дослідження можливостей багатошарової нейронної мережі щодо визначення категорії мережевих атак // Матеріали 81 Міжнародної науково-практичної конференції «Проблеми та перспективи розвитку залізничного транспорту» 22-23 квітня 2021 р. М-во освіти і науки України. Дніпров. нац. ун-т залізн. трансп. ім. акад. В. Лазаряна [та ін.]. Дніпро, 2021. С. 357-358.
Пахомова В. М., Коннов М. С. Дослідження двох підходів до виявлення мережевих атак з використанням нейромережної технології. Наука та прогрес транспорту. 2020. № 3(87). С. 81-93. URL:https://doi.org/10.15802/stp2020/208233
Cвідоцтво про реєстрацію авторського права на твір № 106532 від 21.07.2021: Методика виявлення загроз на комп’ютерну мережу засобами багатошарової нейронної мережі. Автори: Жуковицький І.В., Пахомова В.М. Україна: Український інститут інтелектуальної власності.
Cвідоцтво про реєстрацію авторського права на твір № 106964 від 04.08.2021: Методика аналізу різних підходів щодо виявлення мережевих атак з використанням нейромережної технології. Автори: Пахомова В.М., Коннов М.С. Україна: Український інститут інтелектуальної власності.
Фролов П.В., Чухраев И.В., Гришанов К.М. Применение искусственных нейронных сетей в системах обнаружения вторжений. Системный администратор. 2018. № 9 (190). URL: http://samag.ru/archive/article/3724
Фролов П.В., Вершинин Е.В., Медведева С.А. Исследование методов обнаружения сетевых атак. Вопросы радиоэлектроники. 2019. № 11. С. 55-59.
Amini M., Rezaeenour J., Hadavandi E. A Neural Network Ensemble Classifier for Effective Intrusion Detection using Fuzzy Clustering and Radial Basis Function Networks. International Journal on Artificial Intelligence Tools. 2016. Vol. 25. Iss. 02. рр. 1-32. DOI: https://doi.org/10.1142/s0218213015500335
CIC DATASET FORM for «NSL-KDD». URL: http://205.174.165.80/ CICDataset/NSL-KDD/ Dataset/
De Castro, L. N., Von Zuben, F. I. Artificial Immune Systems: Part 1 – Basic Theory and Applications. Technical Report – RT DCA 01/99, FEEC/UNICAMP, 1999, Brazil, 95 p.
Dubey R., Rathore D., et al. An empirical study of intrusion detection system using feature reduction based on evolutionary algorithms and swarm intelligence methods. International Journal of Applied Engineering Research. 2017. Vol. 12. No. 19. P. 8884-8889.
Grill M., Pevny T., Rehak M. Reducing false positives of network anomaly detection by local adaptive multivariate smoothing. Journal of Computer and System Sciences. 2017. 83 (1). рр. 43-57. URL: https://doi.org/10.1016/j.jcss.2016.03.007
Internet Security Threat Report. URL: https://www.symantec.com/content/dam/symantec/docs/reports/istr-242019-en.pdf
KDD Cup 1999 Data. URL: http://kdd.ics.uci.edu/databases/kddcup99/kddcup99.html
NSL-KDD dataset. URL: https://www.unb.ca/cic/datasets/nsl.html
Ring М., Wunderlich S., Scheuring D., Landes D., Hotho A. A Survey of Network-based Intrusion Detection Data Sets. Компьютер и безопасность. 2019. DOI: 10.1016 / j.cose.2019.06.005
Saied A., Overill R. E., Radzik T. Detection of known and unknown DDoS attacks using Artificial Neural Networks. Neurocomputing. 2016. Vol. 172. рр. 385-393. DOI: https://doi.org/10.1016/j.neucom.2015.04.101
Zhukovyts’kyy I.V., Pakhomova V.M. Identifying threats in computer network based on multilayer neural network. Наука та прогрес транспорту. 2018. № 2 (74). С. 114-123. URL: https://doi.org/10.15802/stp2018/130797
Zhukovyts’kyy I.V., Pakhomovа V.M., Ostapets D.O., Tsyhanok O.I. Detection of attacks on a computer network based on the use of neural network complex // Наука та прогрес транспорту. 2020. № 5(89). С. 68-79. DOI: 10.15802/stp2020/218318
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2021 Authors
This work is licensed under a Creative Commons Attribution 4.0 International License.
