В МТУСИ использовали комбинацию методов машинного обучения для обнаружения необычных событий в интернет-трафике

В процессе исследования было определено, что комбинация подходов машинного обучения обеспечивает эффективное выявление аномалий в интернете. Примечательно, что применение PCA существенно ускоряет работу алгоритма KNN, увеличивая его производительность примерно в 4-5 раз. Этот метод может быть использован в различных сферах, включая обеспечение безопасности сети, мониторинг сетевых систем, обнаружение вредоносного софта и предотвращение кибератак. Также он может быть полезен провайдерам для оптимизации сетевой инфраструктуры и повышения качества услуг.

Предполагается, что в будущем комбинация методов машинного обучения будет использоваться для выявления аномалий в сетевом трафике с высоким уровнем точности и минимальным числом ложных сигналов. В сфере сетевой безопасности одной из важных задач является обнаружение аномалий в больших объемах данных, создаваемых интернет-трафиком. По итогам проведенного исследования разработчики предложили гибридный подход, основанный на сочетании методов машинного обучения с целью выявления аномалий в интернет-трафике.