Интеграция многоканальной системы массового обслуживания с ограниченной очередью и нейронной сети для защиты от DDoS-атак

Ольга Игоревна Христодуло; Е. В. Пальчевский

Информационные технологии интеллектуальной поддержки принятия решений, Информационные технологии интеллектуальной поддержки принятия решений 2019

Ольга Игоревна Христодуло, Е. В. Пальчевский

Изменена: 2019-05-28

Аннотация

В статье предлагается интегрирование системы массового обслуживания с ограниченной очередью и нейронной сети Хебба для выявления, анализа и нейтрализации атак внешним несанкционированным трафиком. В результате была получена новая AntiDDoS-система, способная обнаруживать и нейтрализовывать DDoS-атаки в кратчайшие сроки

Ключевые слова

кибербезобасность; информационная безопасность; DDoS; атаки; система массового обслуживания

Литература

1. Палюх Б.В., Семенов Н.А., Бурдо Г.Б., Мельникова В.В. Автоматизированная система тестирования программных средств в скомпилированном виде // Программные продукты и системы. 2014. № 1(105). С. 123-128; DOI: 10.15827/0236-235X.027.1.123-128.

2. Верхний Т.В., Гуц А.К. DDoS-атаки как дифференциальная игра // Математические структуры и моделирование. №3(39). Омск, 2016 – С. 184-188.

3. Рашевский Р.Б., Шабуров А.С. Практическое применение нейронных сетей для защиты информационно-управляющих систем критически важных объектов от DDoS-атак // Нейрокомпьютеры: разработка, применение. №10. Москва, 2015. – С. 16-20.

4. Zhang M., Liu X., Tang J., Kong H. Study on modeling and simulation of DDoS active defense // Xitong fangzhen xuebao. T. 26. 2014. – С. 2698-2703.

5. Борисенко К.А., Бекенева Я.А., Шипилов Н.Н., Шоров А.В. Система имитационного моделирования для разработки и тестирования методов защиты от DDoS-атак с возможностью подключения реальных узлов // Известия Санкт-Петербургского государственного электротехнического университета Лэти. Т. 6. Санкт-Петербург, 2015. – С. 22-29.

6. Частикова В.А., Картамышев Д.А., Власов К.А. Нейросетевой метод защиты информации от DDoS-атак // Современные проблемы науки и образования. №1. Пенза, 2015. – С. 183.

7. Бекенева, Я.А. Анализ актуальных типов DDoS-атак и методов защиты от них // Известия Санкт-Петербургского государственного электротехнического университета Лэти. Т. 1. Санкт-Петербург, 2016. – С. 7-14.

8. Тарасов Я.В. Метод обнаружения низкоинтенсивных DDoS-атак на основе гибридной нейронной сети // Известия ЮФУ. Технические науки. №8(157). Ростов-на-Дону, 2014. – С. 47-57.

9. Крылов В.В., Кравцов К.Н. Защита IP-подсетей от DDoS-атак и несанкционированного доступа методом псевдослучайной смены сетевых адресов // Вопросы защиты информации. №3. Москва, 2014. – С. 24-31.

10. Абрамов Е.С., Тарасов Я.В., Тумоян Е.П. Нейросетевой метод обнаружения низкоинтенсивных атак типа «отказ в обслуживании» // Известия ЮФУ. Технические науки. № 9(182). Ростов-на-Дону, 2016. – С. 58-71.

11. Пилюгина К.Н. Применение нейронных сетей с целью обнаружения вторжений // Современные научные исследования и инновации. Москва, 2016, №2(58). – С. 105-109.

12. Бекенева Я.А. Анализ актуальных типов DDOS-атак и методов защиты от них // Известия СПБГЭТУ ЛЭТИ. Санкт-Петербург, 2016, Т. 1. – С. 7-14.

13. Ревенков П.В., Бердюгин А.А. Расширение профиля операционного риска в банках при возрастании DDoS-угроз // Вопросы кибербезопасности. Москва, 2017, №3(21). – С. 16-23.

14. Пальчевский, Е. В., Халиков А.Р., Христодуло О.И. Разработка системы защиты от DDoS-атак на основе картографических данных // Инновации в науке и практике. Сборник статей по материалам IV международной научно-практической конференции. Барнаул, 2016. С. 34–39.

Полный текст: PDF