Duomenų gavybos metodų taikymas piktavališkai veiklai kompiuterių tinkluose aptikti
Pagrindinis baigiamojo darbo tikslas - kenkėjiškos kompiuterių tinkluose veiklos identifikavimas, taikant duomenų gavybos metodus.Baigiamajame darbe apžvelgiamos kompiuterių tinkluose kylančios atakos, nagrinėjami duomenų gavybos metodai, atakų, anomalijų aptikimo ir atpažinimo požymiai. Taip pat nagrinėtos srauto atakos, įsilaužimo aptikimo sistemos ir jų metodai. Baigiamojo darbo tyrimas sudarytas iš dviejų dalių. Pirmoje tyrimo dalyje mašininio mokymo algoritmams panaudotas Kanados kibernetinio saugumo tyrimų instituto NSL-KDD duomenų rinkinys. Antroje dalyje mašininio mokymo algoritmams panaudotas sugeneruotų tinklo srauto duomenų rinkinys. Tyrime išbandomi k artimiausio kaimyno, atraminių vektorių ir „Random Forest” mašininio mokymo algoritmai. Abiejose tyrimo dalyse nustatomi algoritmų parametrai ir parenkami atakų požymiai, siekiant gauti kuo didesnį atakų atpažinimo tikslumą.Išnagrinėjus tinklo atakų požymių ir algoritmo parametrų svarbą atakų atpažinimo tikslumui gerinti, pateikiamos tyrimo išvados. Darbą sudaro 5 dalys: įvadas, kompiuterių tinkluose kylančių atakų apžvalga, anomalijų atpažinimo metodai, požymiai prievadų skenavimo atakoms kompiuterių tinkluose aptikti, tinklo srauto ataka naudojant TCP SYN FLOOD, duomenų gavybos metodų atakoms kompiuterių tinkluose aptikti tyrimas ir rezultatai, išvados, literatūros sąrašas. Darbo apimtis - 41 p. teksto be priedų, 29 iliustr., 5 lent., 34 bibliografiniai šaltiniai.Atskirai pridedami darbo priedai.
The main objective of the final thesis is to identify and detect misuse activity in computer networks, while using data mining methods. The final master's thesis consists of an overview of computer network attacks, examination of network data mining, anomaly, attack detection and recognition using methods and attack attributes. In addition, network flow and intrusion detection systems and their methods were examined.The research part consists of two parts. In the first part of the research, Canada cybernetic security research institute NSL-KDD dataset has been used for machine learning algorithms. In the second part of the research, a generated network flow dataset has been used for machine learning algorithms. During research, K-Nearest Neighbor, Support vector machines and Random Forest machine learning algorithms had been tested. In both parts of the research, machine algorithm parameters and selected attack attributes had been changed accordingly to ensure the best detection results for attack detection accuracy.After examinating network attack attributes and algorithm parameter importance for attack recognition accuracy improvement, a research conclusion has been made.Structure: introduction, an overview of attacks on computer networks, anomaly detection methods, port scanning attack attributes for detection on computer networks, network flow attack using TCP SYN FLOOD, data mining methods to detect attacks on computer networks, conclusions, references. Thesis consist of: 41 p. text without appendixes, 29 pictures, 5 tables, 34 bibliographical entries.Appendixes included.