DOI: 10.17587/prin.16.167-180

УДК: 004.056.5

Масштабируемый метод обнаружения многовекторных атак на скомпрометированные устройства IoT-системы с использованием машинного обучения

В. И. Петренко, канд. техн. наук, зав. кафедрой, vipetrenko@ncfu.ru, Ф. Б. Тебуева, д-р физ.-мат. наук, проф., ftebueva@ncfu.ru, М. Г. Огур, ст. препод., ogur26@gmail.com, Г. И. Линец, д-р техн. наук, проф., kbytw@mail.ru, В. П. Мочалов, д-р техн. наук, проф., mochalov.valery2015@yandex.ru Федеральное государственное автономное образовательное учреждение высшего образования «Северо-Кавказский федеральный университет», Ставрополь

Рассмотрен новый масштабируемый метод обнаружения многовекторных атак на скомпрометированные устройства интернета вещей с использованием алгоритмов машинного обучения. Проведен подробный анализ существующих методов обнаружения атак, включая сигнатурные методы, методы на основе аномалий, контролируемые и неконтролируемые методы машинного обучения, а также методы глубокого обучения, такие как сверточные и рекуррентные нейронные сети. Предлагаемый метод сочетает глубокое обучение и федеративное обучение, что позволяет повысить уровень масштабируемости и безопасности системы в условиях ограниченных ресурсов IoT-устройств посредством увеличения точности обнаружения атак. Представлены результаты экспериментального исследования, подтверждающие превосходство предложенного метода над существующими решениями.

Ключевые слова: интернет вещей, многовекторные атаки, машинное обучение, глубокие нейронные сети, федеративное обучение, безопасность

Стр. 167—180

Данное исследование выполнено при поддержке гранта ИБ МТУСИ, соглашение № 40469/17-23-К.

Ссылка для цитирования:
Петренко В. И., Тебуева Ф. Б., Огур М. Г., Линец Г. И., Мочалов В. П. Масштабируемый метод обнаружения многовекторных атак на скомпрометированные устройства IoT-системы с использованием машинного обучения // Программная инженерия. 2025. Том 16, № 4. С. 167—180. DOI: 10.17587/prin.16.167-180.

Полный текст на eLIBRARY