Informacijos saugos grėsmių tendencijų prognozavimo metodo naudojant dirbtinį intelektą sukūrimas
Safarevič, Jevgenij |
Pagrindinė darbo tema - informacijos saugos grėsmių tendencijų prognozavimas naudojant dirbtinį intelektą. Darbe atlikta sisteminė saugos grėsmių klasifikacija atsižvelgiant į NVD duomenų bazės duomenis. Atlikta dirbtinio intelekto taikymo šioje srityje analizė ir nustatyta, kad dirbtinis intelektas taikomas, kad būtų užtikrintas programinio kodo saugumas, siekiant prevenciškai išvengti atakų. Pritaikytas dirbtinis intelektas informacijos saugos grėsmių tendencijoms prognozuoti. Pasirinkti ARIMA ir HOLTWINTERS algoritmai ir apskaičiuotos prognozės 2018-iems ir 2019-iems metams. Gauti duomenys sulyginti su jau egzistuojančiais 2018-ų metų duomenimis. Gauta, kad algoritmai gali apskaičiuoti būsimas atakas 80 % tikslumu. Taip pat atliktas tyrimas, dėl duomenų intervalo didinimo įtakos algoritmų prognozėms, bei pateiktos tyrimo išvados.
The main topic of the thesis is forecasting the trends of information security threats using artificial intelligence. Carried out systematic classification of security threats according to the NVD database. Carried out analysis of artificial intelligence in this field and established that artificial intelligence is applied to ensure the security of the software code to prevent attacks. Artificial intelligence has been adapted to forecast trends in information security threats. Selected ARIMA and HOLTWINTERS algorithms and estimated predictions for 2018 and 2019. The data obtained were compared with the existing data for 2018. It is estimated that the algorithms calculate future attacks with an accuracy of 80%. A study was also conducted about the effect of increasing the data range on algorithm predictions and submitted conclusions of the study.