Разработка системы анализа данных о сетевых атаках для создания эффективных стратегий защиты от новых угроз

Abstract

В статье рассматривается разработка интеллектуальной системы обнаружения сетевых вторжений (NIDS) с использованием современных алгоритмов машинного обучения. В условиях стремительного роста киберугроз в Казахстане и мире, традиционные методы защиты требуют дополнения адаптивными аналитическими решениями. В качестве базы исследования использован набор данных CICIDS2017. Автором проведена комплексная предобработка данных, решена проблема дисбаланса классов с помощью методов SMOTE и Random Undersampling. Проведен сравнительный анализ моделей LightGBM, XGBoost и Random Forest. Модель LightGBM показала наилучшую точность (98%). Для интерпретации предсказаний и повышения доверия к системе применены методы SHAP и LIME.