Deep neural networks in cyber attack detection systems

Abstract

This article discusses potentials of mathematical support improvement of detection systems of remote cyber-attacks on network resources of data systems. Herewith, efficiency improvement of cyber-attacks management is achieved by models on the basis of deep neural networks. This is aided by appropriate neural network model which is pre-trained by means of sparse auto encoder. A deep neural network is trained by means of a set of algorithms simulating higher-level abstractions in analyzed data using architectures comprised of a set of non-linear transformations. The proposed model is supported by software which facilitated its approbation for detection of network cyber-attacks. The model testing demonstrated that the accuracy of its basic variant is comparable with that of modern detection systems of network cyber-attacksВ статье рассматриваются возможности усовершенствования математического обеспечения систем обнаружения удаленных кибератак на сетевые ресурсы информационных систем. При этом повышение эффективности управления кибератаками достигается моделями на основе глубоких нейронных сетей. Этому способствует соответствующая модель нейронной сети, которая предварительно обучается с помощью разреженного автокодировщика. Глубокая нейронная сеть обучается с помощью набора алгоритмов, имитирующих абстракции более высокого уровня в анализируемых данных с использованием архитектур, состоящих из набора нелинейных преобразований. Предложенная модель поддерживается программным обеспечением, которое облегчило ее апробацию для обнаружения сетевых кибератак. Тестирование модели показало, что точность ее базового варианта сопоставима с точностью современных систем обнаружения сетевых кибератак.