Решение задач на тему: Описание способа решения задачи. Теоретическая часть. Что такое Dаtа mining и КDD

Введение

Наряду с развитием средств электронной связи происходило развитие средств нарушения работоспособности информационных каналов. В настоящее время усиливается оснащение вычислительной техники механизмами защиты от несанкционированного доступа, вирусов, спама, хакерских атак и т.д. Это так называемые брандмауэры, файрволлы, фильтры пакетов. Операционные системы также усиливают свой боевой арсенал. Несмотря на это ежедневно продолжается нарушаться работа различных компьютеров: от головных серверов до рабочих станций от действия вредоносных программ. В данной работе автор хотел расклассифицировать группы входящих пакетов, поступающих на одну из рабочих станций в ЛВС, методами интеллектуального анализа данных. Впоследствии, зная принадлежность той или иной группы к классу хакерских атак, по заданному количеству поступивших пакетов можно определить грядущую угрозу рабочей станции.

Оглавление

- Введение

- Описание способа решения задачи

- Теоретическая часть

- Что такое Data mining и KDD

- Описание рассматриваемых хакерских атак

- Подмена одного из субъектов TCP-соединения в сети Internet

- Нарушение работоспособности хоста в сети Internet при использовании направленного шторма ложных TCP-запросов на создание соединения либо при переполнении очереди запросов

- Другие виды атак

- Сеть с самоорганизацией на основе конкуренции

- Состав сети Кохонена

- Меры расстояния между векторами

- Способы нормализации входных данных

- Алгоритм обучения карты Кохонена

- Механизм утомления

- Алгоритм нейронного газа

- Формализация задачи

- Эксперимент

- Результаты работы модели Заключение

- Список используемой литературы

- Листинг программ

Заключение

В результате проделанной работы создана интеллектуальная система анализа входящего трафика по классам опасности. Система построена на использовании нейронной сети конкурирующего типа. Реализовано обучение сети пятью методами самоорганизации: классический (с настройкой соседей и без неё), механизм утомления (с настройкой соседей и без неё) и алгоритм нейронного газа. В качестве обучающей выборки были использованы данные из журнала входящего трафика, содержащие как пакета передачи данных и управляющие пакеты, так и опасные пакеты направленные на нарушение работы хоста (атака для создания доверительного ТСР - соединения, лавинное заваливание IСМР и UDР пакетами, передача крупных несвязанных фрагментированных пакетов). Входящие пакеты объединялись в группы и для каждой из групп определялись интегральные критерии на принадлежность к классу опасности. В результате самообучения нейронной сети создан классификатор входящих пакетов.

Список литературы

1. Джон Чирилло. Обнаружение хакерских атак. Для профессионалов (+СD). - СПб.: Питер 2003. - 864 с.: ил.

2. И.Д. Медведовский, П.В. Семьянов, В.В. Платонов. Атака через Internet. Москва. НПО "Мир и семья-95" - 1997 3.Арсеньев С. "Извлечение данных из медицинских баз данных"

4. Круглов В.В., Борисов В.В. "Искусственные нейронные сети. Теория и практика". -2-е изд., стереотип. - Москва: Горячая линия - Телеком, 2002 г. - 382 с.: ил.

5. Горбань А.Н., Россиев Д.А. "Нейронные сети на персональном компьютере" - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996 г. -276 с.: ил.

6. Ф. Уоссерман "Нейрокомпьютерная техника: теория и практика" - Москва.: Мир, 1992 -182 стр.: ил.

7. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. "Базы данных. Интеллектуальная обработка информации" - Москва.: "Нолидж", 2000 г., - 356с.: ил.

8. Осовский Станислав. Нейронные сети для обработки информации. М: Финансы и статистика. 2002 г. -335 с: ил.

9. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. Санкт-Петергург, Наука и техника. 2003 г. -