Automatinė anomalijų aptikimo sistema padedanti tinklo administratoriams kuo greičiau aptikti ir sutvarkyti gedimus, atpažinti kibernetines atakas, įspėti apie jas ir laiku užkirsti joms kelią, tokiu būdu sumažinant kaštus, informacinius ir kitokio tipo praradimus.

Apie projektą

Apie projektą

Tyrimo tikslas – sukurti dirbtiniu intelektu pagrįstą sprendimą, kuris gaudamas interneto tinklo stebėjimo duomenis iš visų įrenginių galėtų laiku identifikuoti problemas ir išmokti prognozuoti jų atsiradimą dar iki pasireiškiant neigiamoms pasekmėms. Kuriamas sprendimas tinklo stebėjimui naudotų duomenis surinktus iš didelio skaičiaus komutatorių, maršrutizatorių. Remiantis šiais duomenimis apmokyti mašininio mokymo algoritmai gebėtų greitai nustatyti ar tinkle vyksta kokia nors anomalija. Taip pat identifikuotų, kuriame konkrečiai įrenginyje ta anomalija yra stebima ir pagal galimybę nurodytų konkretų prievadą ar kelią. Tokiu būdu atliekama plataus masto stebėsena leistų greičiau pašalinti gedimus ir spręsti tinklo problemas, bei jas prognozuoti.

Rezultatai

Tyrimo metu buvo sukurtas įrankis, kuris apima:

  • kompaktišką sprendimą duomenų surinkimui iš tinklo įrenginių;
  • teksto analizę, kurios pagalba nestruktūrizuoti sistemos pranešimai yra konvertuojami į duomenų lenteles;
  • anomalijų aptikimo etapą, kurio metu yra identifikuojami konkretūs laiko momentai bei prievadai kuriuose buvo užfiksuoti netipiniai stebiniai;
  • rezultatų vizualizaciją.

Įrankio pagalba gauti rezultatai yra atvaizduojami grafiškai, t. y. automatiškai yra sukuriami
ir išsaugomi grafikai, kuriuose atvaizduojamos prievadų, pasižyminčių netipinėmis reikšmėmis,
charakteristikos (rezultatų pavyzdys pateiktas šalia esančiame grafike). Įprastos reikšmės atvaizduojamos juoda spalva, o išskirtys raudona. Detalūs eksperimentai parodė, kad sudaryta anomalijų identifikavimo ISP tinkle metodika gali būti naudojama kaip gana lankstus instrumentas siekiant surasti trikdžius prievado lygmenyje.

Dalyviai

Rūta Juozaitienė
Nerijus Šakinis
Bohdan Zhyhun
Ignas Rybakovas
Tomas Krilavičius

Copyright © 2023. All rights reserved