Найти

Результаты поиска

• ПРИМЕНЕНИЕ ГИБРИДНОЙ НЕЙРОННОЙ СЕТИ AE-LSTM ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ В КОНТЕЙНЕРНЫХ СИСТЕМАХ

  И.В. Котенко , М.В. Мельник

  2024-11-10

  Аннотация ▼

  Популярность контейнерных систем привлекает внимание многих исследователей в области
  информационных технологий. Технология контейнеризации позволяет сократить расходы вычис-
  лительных ресурсов при разворачивании и поддержке сложных инфраструктурных решений.
  Обеспечение безопасности контейнерных систем и контейнеризации в целом, а также примене-
  ние злоумышленниками методов реализации "умных" атак на основе искусственного интеллекта,
  является серьезной проблемой на пути безопасного и устойчивого функционирования контейнер-
  ных систем. В статье предлагается подход к обнаружению не только ранее неизвестных отдель-
  ных аномальных процессов, но и аномальных последовательностей процессов в контейнерных сис-
  темах. Предлагаемый подход и его реализация на основе платформы Docker основываются на
  трассировке системных вызовов, построении гистограмм выполняемых процессов и использова-
  нии нейронной сети AE-LSTM. Процесс построения гистограмм базируется на учете количества
  выполненных системных вызовов для каждого отдельного процесса. Это решение предоставляет
  возможность не только идентифицировать любой процесс в системе, но и эффективно обнару-
  живать аномальные последовательности процессов с высокой степенью точности. Созданные
  последовательности используются в качестве входных данных для нейронной сети. После завер-
  шения процесса обучения, нейронная сеть приобретает способность обнаруживать аномальные
  последовательности, сравнивая заданный порог ошибки реконструкции с фактическим уровнем
  ошибки входного вектора данных. Когда нейронная сеть сталкивается с новым входным векто-
  ром данных, она вычисляет уровень ошибки реконструкции — разницу между ожидаемым и фак-
  тическим значением. Если эта ошибка превышает заранее установленный порог, система сигна-
  лизирует о наличии аномалии в последовательности. Эксперименты показывают, что предло-
  женный подход демонстрирует достаточно высокую точность обнаружения аномальных про-
  цессов при низком уровне ложноположительных результатов обнаружения. Такие результаты
  подтверждают эффективность предложенного подхода. Затраты вычислительных ресурсов на
  обучение модели нейронной сети находятся на достаточно низком уровне. Это позволяет исполь-
  зовать менее мощные аппаратные средства без значительных потерь в производительности.
  Разработанный прототип может быть обучен и внедрен в новую инфраструктуру в достаточно
  сжатые сроки.

• НЕЙРОЛИНГВИСТИЧЕСКАЯ ИНФОРМАЦИОННАЯ ИДЕНТИФИКАЦИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

  Л.К. Хаджиева , В. В. Котенко , К.Е. Румянцев

  2024-08-12

  Аннотация ▼

  Приведены результаты исследований возможностей применения языка и его составляющих
  (текстовой и речевой) как факторов нейролингвистической идентификации и аутентификации
  интеллектуальных систем (ИС), носителей русского и чеченского языка. Для достижения целей
  исследований использовался подход, основанный на информационной виртуализации. Предполага-
  ется использование одного из путей решения проблем повышения эффективности идентификации
  и аутентификации, которым является применение фактора языковой нейролингвистической тек-
  стовой идентификации и аутентификации. Исследования показывают, во-первых, что при изме-
  нении языка, в случае использования интеллектуальной системы как носителей нескольких языков,
  наблюдается изменение параметров нейролингвистической идентификации, во-вторых, что если
  все интеллектуальные системы являются носителями одного языка, то при переходе от одной
  интеллектуальной системы к другой происходит изменение параметров нейролингвистической
  идентификации. Таким образом в исследовании определено, что язык интеллектуальной системы
  может использоваться как фактор идентификации и аутентификации. Исследованы ИС, являю-
  щиеся носителями как чеченского, так и русского языка. На первом этапе исследованы десять ИС
  как носители русского языка, а на втором этапе – те же десять ИС, но как носители чеченского
  языка. Приведены результаты зависимости основных параметров, а также зависимости произ-
  водных параметров нейролингвистической текстовой идентификации интеллектуальных систем
  носителей русского и чеченского языка. Полученные результаты открывают принципиально но-
  вую возможность исследований в направлении нейролингвистической текстовой идентификации и
  аутентификации. Исследования в этом направлении представляют научный и практический ин-
  терес, как для случая идентификации интеллектуальной системы носителей одного языка, так и
  для случая, когда одна интеллектуальная система является носителем множества языков.