АНАЛІЗ МЕТОДІВ ВИЯВЛЕННЯ АНОМАЛЬНОГО ТРАФІКУ В МЕРЕЖАХ IOT
Ключові слова:
Інтернет речей, аномальний трафік, машинне навчання, глибинне навчання, статистичний аналіз
Анотація
Метою даної роботи є проведення комплексного аналізу методів та підходів до виявлення аномалій в мережах Інтернету речей (IoT). З урахуванням стрімкого розвитку IoT і збільшення кількості підключених пристроїв, проблема виявлення аномального трафіку стає актуальною для забезпечення безпеки та ефективності цих мереж. У роботі розглядаються різні методи та підходи до виявлення аномалій, включаючи статистичний аналіз, мережевий моніторинг, поведінковий аналіз, а також застосування сучасних технологій машинного та глибокого навчання. Кожен із цих методів розглядається з точки зору його застосовності в контексті IoT та оцінюються його переваги та обмеження. Робота також розглядає сучасні виклики і перспективи розвитку у галузі безпеки IoT, з фокусом на захисті від кіберзагроз та посиленні систем виявлення аномалій.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Parimala, V. K. (Ed.). (2024). Anomaly Detection - Recent Advances, AI and ML Perspectives and Applications.IntechOpen.DOI: 10.5772/intechopen.110988. ISBN: 978-1-83769-027-5.
2. Коваленко А. А., Кучук Г. А. Методи синтезу інформаційної та технічної структур системи управління об’єктом критичного застосування. Сучасні інформаційні системи. 2018. Т. 2, № 1. С. 22–27. DOI: https://doi.org/10.20998/2522-9052.2018.1.04
3. Ruban, I.V., Martovytskyi, V.O., Kovalenko, A.A. and Lukova-Chuiko, N.V. (2019), “Identification in Informative Systems on the Basis of Users' Behaviour”, Proceedings of the International Conference on Advanced Optoelectronics and Lasers, CAOL 2019-September,9019446, pp. 574-577, DOI: https://doi.org/10.1109/CAOL46282.2019.9019446
4. Kovalenko, A., Kuchuk, H., Kuchuk, N. and Kostolny, J. (2021), “Horizontal scaling method for a hyperconverged network”, 2021 International Conference on Information and Digital Technologies (IDT), Zilina, Slovakia, doi:https://doi.org/10.1109/IDT52577.2021.9497534
5. Kuchuk, N., Kovalenko, A., Ruban, I., Shyshatskyi, A., Zakovorotnyi, O. And Sheviakov, I. (2023), “Traffic Modeling for the Industrial Internet of NanoThings”, 2023 IEEE 4th KhPI Week on Advanced Technology, KhPI Week 2023 - Conference Proceedings, 194480, doi: http://dx.doi.org/10.1109/KhPIWeek61412.2023.10312856
6. Li, H., Boulanger, P. A Survey of Heart Anomaly Detection Using Ambulatory Electrocardiogram (ECG). Sensors. 2020; 20(5): 1461. DOI: 10.3390/s20051461.
7. Cook, A. A., Mısırlı, G., & Fan, Z. (2020). Anomaly Detection for IoT Time-Series Data: A Survey. IEEE Internet of Things Journal, 7(7), 6481–6494.
8. M. Fahim, A. Sillitti, Anomaly detection, analysis and prediction techniques in IoT environment: A systematic literature review, IEEE Access 7 (2019) 81664–81681
9. Chatterjee, A., & Ahmed, B. S. (2022). IoT Anomaly Detection Methods and Applications: A Survey. Internet of Things, 100568. Elsevier BV.
2. Коваленко А. А., Кучук Г. А. Методи синтезу інформаційної та технічної структур системи управління об’єктом критичного застосування. Сучасні інформаційні системи. 2018. Т. 2, № 1. С. 22–27. DOI: https://doi.org/10.20998/2522-9052.2018.1.04
3. Ruban, I.V., Martovytskyi, V.O., Kovalenko, A.A. and Lukova-Chuiko, N.V. (2019), “Identification in Informative Systems on the Basis of Users' Behaviour”, Proceedings of the International Conference on Advanced Optoelectronics and Lasers, CAOL 2019-September,9019446, pp. 574-577, DOI: https://doi.org/10.1109/CAOL46282.2019.9019446
4. Kovalenko, A., Kuchuk, H., Kuchuk, N. and Kostolny, J. (2021), “Horizontal scaling method for a hyperconverged network”, 2021 International Conference on Information and Digital Technologies (IDT), Zilina, Slovakia, doi:https://doi.org/10.1109/IDT52577.2021.9497534
5. Kuchuk, N., Kovalenko, A., Ruban, I., Shyshatskyi, A., Zakovorotnyi, O. And Sheviakov, I. (2023), “Traffic Modeling for the Industrial Internet of NanoThings”, 2023 IEEE 4th KhPI Week on Advanced Technology, KhPI Week 2023 - Conference Proceedings, 194480, doi: http://dx.doi.org/10.1109/KhPIWeek61412.2023.10312856
6. Li, H., Boulanger, P. A Survey of Heart Anomaly Detection Using Ambulatory Electrocardiogram (ECG). Sensors. 2020; 20(5): 1461. DOI: 10.3390/s20051461.
7. Cook, A. A., Mısırlı, G., & Fan, Z. (2020). Anomaly Detection for IoT Time-Series Data: A Survey. IEEE Internet of Things Journal, 7(7), 6481–6494.
8. M. Fahim, A. Sillitti, Anomaly detection, analysis and prediction techniques in IoT environment: A systematic literature review, IEEE Access 7 (2019) 81664–81681
9. Chatterjee, A., & Ahmed, B. S. (2022). IoT Anomaly Detection Methods and Applications: A Survey. Internet of Things, 100568. Elsevier BV.
Опубліковано
2024-02-09
Як цитувати
Marchenko Roman Аналіз методів виявлення аномального трафіку в мережах iot / Roman Marchenko, Andriy Kovalenko, Vasyl Znaidiuk // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2024. – Т. 1 (75). – С. 133-136. – doi:https://doi.org/10.26906/SUNZ.2024.1.133.
Розділ
Інформаційні технології
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
