vdgtuВестник Дагестанского государственного технического университета. Технические наукиHerald of Dagestan State Technical University. Technical Sciences2073-61852542-095XDaghestan State Technical University10.21822/2073-6185-2024-51-2-137-153vdgtu-1529Research ArticleИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕЛЕКОММУНИКАЦИИINFORMATION TECHNOLOGY AND TELECOMMUNICATIONSСоздание и обучение искусственной нейронной сети с целью детектирования, классификации и блокировки сетевых DDos–атакCreation and Training of artifical neural network for Detection and Neutralization of Network DDos–attacks(“Denial of Service”)https://orcid.org/0000-0003-2454-3600РазумовП. В.RazumovP. V.

Разумов Павел Владимирович, аспирант 3 курса, кафедра «Кибербезопасность информационных систем»

344000, г. Ростов-на-Дону, пл. Гагарина, 1

Pavel V. Razumov, 3rd year Graduate Student, Department of Cybersecurity of Information Systems

1 Gagarin Square, Rostov-on-Don 344000

razumov1996@inbox.ruhttps://orcid.org/0000-0002-9392-3140ЧеркесоваЛ. В.CherkesovaL. V.

Черкесова Лариса Владимировна, доктор физико-математических наук, кафедра профессор, «Кибербезопасность информационных систем»

344000, г. Ростов-на-Дону, пл. Гагарина, 1

Larisa V. Cherkesova, Dr. Sci., (Physical and Mathem.), Department of Professor, Department of Cybersecurity of Information Systems

1 Gagarin Square, Rostov-on-Don 344000

chia2002@inbox.ruhttps://orcid.org/0000-0003-1577-2671РевякинаЕ. А.RevyakinaE. A.

Ревякина Елена Александровна, кандидат технических наук, доцент, кафедра «Кибербезопасность информационных систем»

344000, г. Ростов-на-Дону, пл. Гагарина, 1

Elena A. Revyakina, Cand. Sci. (Eng.), Assoc. Prof., Department of Cybersecurity of Information Systems

1 Gagarin Square, Rostov-on-Don 344000

revyelena@yandex.ruДонской государственный технический университетРоссияDon State Technical UniversityRussian Federation202425072024512137153Copyright © Разумов П.В., Черкесова Л.В., Ревякина Е.А., 20242024Разумов П.В., Черкесова Л.В., Ревякина Е.А.Razumov P.V., Cherkesova L.V., Revyakina E.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.dgtu.ru/jour/article/view/1529

Цель. Целью исследования является разработка искусственной нейронной сети (ИНС) для детектирования и нейтрализации сетевых DDoS–атак.Метод. Исследование основано на применении языка программирования Python в среде, поддерживающей функции обучения нейронных сетей PyCharm.Результат. Проведён анализ существующих искусственных нейронных сетей для определения их оптимальной структуры; изучены существующие методы детектирования сетевых DDoS– атак; собраны и доработаны датасеты для улучшения качества обучения; создана структура искусственной нейронной сети классификатора и проведено её обучение, создано демонстрационное программное средство, иллюстрирующее процесс классификации и блокировки и нейтрализации DDoS–атак.Вывод. Наличие систем для мониторинга трафика, брандмауэр Web–приложений, ограничение скорости, страница состояния и лицо компании, которое отвечает на вопросы в социальных сетях, — все это поможет обеспечить максимально эффективную защиту от DDoS–атак.

Objective. The goal of the research is to develop an artificial neural network (ANN) to detect and neutralize network DDoS attacks.Method. The research is based on the use of the Python programming language in an environment that supports the training functions of PyCharm neural networks.Result. An analysis of existing artificial neural networks was carried out to determine their optimal structure; Existing methods for detecting network DDoS attacks have been studied; Datasets were collected and refined to improve the quality of training; The structure of the artificial neural network of the classifier was created and its training was carried out, a demonstration software was created that illustrates the process of classification and blocking and neutralizing DDoS attacks.Conclusion. Having systems to monitor traffic, a Web application firewall, speed limiting, a status page, and a company face to answer questions on social media will all help ensure the most effective protection against DDoS attacks.

кибератакаDDoS–атакамониторинг трафикабрандмауэр Web–приложенийискусственный интеллектискусственные нейронные сетимашинное обучениеcyberattackDDoS attacktraffic monitoringweb application firewallartificial intelligenceartificial neural networksmachine learningReferencesМашинное обучение // [Электр. ресурс] URL: https://trends.rbc.ru/trends//60c85c599a7947f5776ad409 (дата обращения 26.04.2022).Machine learning // [Electr. resource] URL: https://trends.rbc.ru/trends//60c85c599a7947f5776ad409 (date accessed 04/26/2022).Способы обучения нейронной сети [Электр. ресурс] URL: https://neurohive.io/ru/osnovy-data-science (дата обращения 27.04.2022).Methods for training a neural network [Electr. resource] URL: https://neurohive.io/ru/osnovy-data-science (access date 04/27/2022).RandomForest [Электр. ресурс] URL: https://scikit-learn.org/stable/modules (дата обращения 03.05.2022).RandomForest [Electr. resource] URL: https://scikit-learn.org/stable/modules (accessed 05/03/2022).Машинное обучение [Электр. ресурс] URL: https://trends.rbc.ru/trends/industry/ (дата обращения 02.05.2022).Machine learning [Electr. resource] URL: https://trends.rbc.ru/trends/industry/ (access date 05/02/2022).DDOS-атаки [Электронный ресурс] URL: https://aws.amazon.com/ru/shield/ddos-attack (дата обр. 28.04.2022).DDOS attacks [Electronic resource] URL: https://aws.amazon.com/ru/shield/ddos-attack (accessed 04/28/2022).Различные типы DDoS-атак [Электр. ресурс] URL: https://stormwall.pro/blog-edu (дата обр.: 29.04.2022).Different types of DDoS attacks [Electr. resource] URL: https://stormwall.pro/blog-edu (access date: 04/29/2022).Виды атак [Электр. ресурс] URL: https://itelon.ru/blog/zashchita-servera-ot-ddos-atak / (дата обр.: 30.04.2022).Types of attacks [Electr. resource] URL: https://itelon.ru/blog/zashchita-servera-ot-ddos-atak / (access date: 04/30/2022).ДокументацияPython[Электронный ресурс]. URL: https://www.python.org/about/ (дата обращения 10.05.2022).Python documentation [Electronic resource]. URL: https://www.python.org/about/ (accessed 05/10/2022).Документация Sklearn [Электр. ресурс] URL: https://scikit- learn.org/stable/index.html (дата обр. 15.05.2022).Sklearn Documentation [Electr. resource] URL: https://scikit-learn.org/stable/index.html (accessed 05/15/2022).Документация NumPy [Электронный ресурс] URL: https://numpy.org/ (Дата обращения 16.05.2022).NumPy Documentation [Electronic resource] URL: https://numpy.org/ (Date of access: 05/16/2022).Документация Pandas [Электронный ресурс] URL: https://pandas.pydata.org/ (дата обращения 14.05.2022).Pandas documentation [Electronic resource] URL: https://pandas.pydata.org/ (accessed May 14, 2022).Документация Mathplotlib [Электронный ресурс] URL: https://matplotlib.org/ (Дата обращения 20.05.2022).Mathplotlib documentation [Electronic resource] URL: https://matplotlib.org/ (Date of access: 05/20/2022).Документация Seaborn [Электронный ресурс] URL: https://seaborn.pydata.org/ (Дата обращения 22.05.2022).Seaborn documentation [Electronic resource] URL: https://seaborn.pydata.org/ (Accessed 05/22/2022).Модификация классического квантового протокола bb84, повышающая его характеристики Ляшенко К.А., Поркшеян В.М., Черкесова Л.В., Ревякина Е.А., Енгибарян И.А., Бурякова О.С., Решетникова О.А. Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки. 2023. № 2. С. 100-115.Modification of the classical quantum protocol bb84, increasing its characteristics Lyashenko K.A., Porksheyan V.M., Cherkesova L.V., Revyakina E.A., Engibaryan I.A., Buryakova O.S., Reshetnikova O.A. Modern science: current problems of theory and practice. Series: Natural and technical sciences. 2023; 2:. 100-115. (In Russ )Cherckesova L. V. et al. Development of Quantum Protocol Modification CSLOE–2022, Increasing the Cryptographic Strength of Classical Quantum Protocol BB84 //Electronics. – 2022. – Т. 11. – №. 23. – С. 3954.Cherckesova L. V. et al. Development of Quantum Protocol Modification CSLOE–2022, Increasing the Cryptographic Strength of Classical Quantum Protocol BB84. Electronics. 2022; 11(23):3954. (In Russ )Korochentsev, D.A., Cherckesova, L.V., Revyakina, E.A., Goncharov, R.A. Investigation of the application of software generator of the speech-like interference to protect acoustic information from leakage through an acoustic channel Journal of Physics: Conference Seriesthis link is disabled, 2021, 2131(2), DOI 10.1088/1742-6596/2131/2/022091Korochentsev, D.A., Cherckesova, L.V., Revyakina, E.A., Goncharov, R.A. Investigation of the application of software generator of the speech-like interference to protect acoustic information from leakage through an acoustic channel Journal of Physics: Conference Seriesthis link is disabled, 2021, 2131(2), DOI 10.1088/1742-6596/2131 /2/022091

The authors declare that there are no conflicts of interest present.