МОДЕЛЬ І АЛГОРИТМ НАВЧАННЯ ДЕТЕКТОРА ШКІДЛИВОГО ТРАФІКУ НА ОСНОВІ МОДИФІКАЦІЇ ЗРОСТАЮЧОГО НЕЙРОННОГО ГАЗУ

Abstract

Запропоновано модель ієрархічного згорткового екстрактора ознак шкідливого трафіка. На вхід моделі надходить 10-ти канальне зображення 28х28 пікселів, що сформоване на основі послідовних 10-ти потоків мережевих пакетів, що дозволяє описувати просторово-часові статистичні характеристики трафіка. Згортковий екстрактор містить два згорткові шари з тривимірними фільтрами, шари субдискретизації та шари обчислення активації на основі алгоритму ортогонального узгодженого переслідування і функції ReLU. Запропоновано модель вирішальних правил детектора шкідливого трафіка на основі інформаційно-екстремального класифікатора. Це дозволяє отримати обчислювально прості вирішальні правила і оцінити ефективність в інформаційному розумінні екстрактора ознак за умов обмеженого обсягу розміченого актуального набору навчальних даних. Класифікатор здійснює адаптивну дискретизацію ознакового опису і побудову оптимальних в інформаційному розумінні радіально-базисних контейнерів класів в двійковому просторі Хеммінга. Як інформаційний критерій ефективності навчання розглядається модифікація міри С. Кульбака у вигляді функціоналу частоти помилок першого та другого роду. Удосконалено алгоритм зростаючого нейронного газу для попереднього навчання екстрактора ознак шляхом модифікації механізму вставки і оновлення нейронів, що дозволяє утилізувати нерозмічені навчальні зразки і отримати оптимальний розподіл нейронів для покриття навчальної вибірки. Модифікація механізму вставки нових нейронів полягає у формуванні нового нейрону за порогом досяжності, а не з заданою частотою, що дозволяє підвищити стабільність машинного навчання і регулювати ступінь узагальнення навчальної множини. Модифікація механізму оновлення вагових коефіцієнтів нейронів полягає у використанні правила Ойа замість правила Хебба, що дозволяє уникнути неконтрольованого росту вагових коефіцієнтів нейронів і адаптувати згорткові фільтри для розрідженого кодування спостережень. Для навчання вирішальних правил і тонкої настройки верхнього згорткового шару запропоновано використовувати метаевристичний пошуковий алгоритм симуляції відпалу. Результати імітаційного моделювання з використанням датасетів CTU-Mixed та CTU-13 підтверджують ефективність отриманих вирішальних правил при розпізнаванні шкідливості тестових зразків трафіку

Authors and Affiliations

В’ячеслав Москаленко, Альона Москаленко, Микола Зарецький

Keywords

Related Articles

ТЕРАГЕРЦОВІ ТЕХНОЛОГІЇ В ТЕЛЕКОМУНІКАЦІЙНИХ СИСТЕМАХ. ЧАСТИНА 2. ДОСЛІДЖЕННЯ ТА МОДЕЛЮВАННЯ ПЕРЕДАВАННЯ ТЕЛЕВІЗІЙНИХ СИГНАЛІВ СТАНДАРТУ DVB-C І ІМПУЛЬСНОГО НАДШИРОКОСМУГОВОГО СИГНАЛУ РАДІОЛІНІЄЮ ТЕРАГЕРЦОВОГО ДІАПАЗОНУ

Уперше в практичному плані проведені дослідження лабораторного зразка цифрової симплексної радіорелейної системи терагерцового діапазону в складі приймального і передавального радіотракту в діапазоні частот 130÷134 ГГц і...

ИССЛЕДОВАНИЕ ЗАМИРАНИЙ В СИСТЕМЕ СВЯЗИ С ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ OFDM

Предложен новый метод оценки замираний в системе связи с использованием технологии OFDM (Orthogonal frequency-division multiplexing) при многолучевом распространении сигнала. В качестве практического примера OFDM системы...

РОЗРОБЛЕННЯ МЕТОДИКИ PSMECA АНАЛІЗУ ПРИ ЗАСТОСУВАННІ IoT КОМПОНЕНТІВ У СИСТЕМАХ ФІЗИЧНОЇ БЕЗПЕКИ

Системи фізичної безпеки використовуються для того, щоб завчасно попередити відомий вектор атак. В даній статті представлено дослідження та оцінювання систем фізичної безпеки використовуючи методику PSMECA (аналіз режимі...

ANALYSIS OF OPPORTUNITIES TO IMPROVE IMAGE DENOISING EFFICIENCY FOR DCT-BASED FILTER

The subject matter of the paper is the process of image filtering. The goal is to provide high efficiency of denoising according to metrics that are more adequate to human vision system than traditional criteria as mean...

МЕТОДОЛОГІЧНІ ЗАСАДИ ОЦІНЮВАННЯ ТА ЗАБЕЗПЕЧЕННЯ БЕЗПЕКИ КРИТИЧНИХ ІНФОРМАЦІЙНИХ ІНФРАСТРУКТУР

Світові тенденції до посилення загроз природного та техногенного характеру, підвищення рівня терористичних загроз, збільшення кількості та підвищення складності кібератак зумовили актуалізацію питання захисту та підвищен...

Download PDF file
  • EP ID EP494224
  • DOI 10.32620/reks.2018.3.02
  • Views 56
  • Downloads 0

How To Cite

В’ячеслав Москаленко, Альона Москаленко, Микола Зарецький (2018). МОДЕЛЬ І АЛГОРИТМ НАВЧАННЯ ДЕТЕКТОРА ШКІДЛИВОГО ТРАФІКУ НА ОСНОВІ МОДИФІКАЦІЇ ЗРОСТАЮЧОГО НЕЙРОННОГО ГАЗУ. Радіоелектронні і комп’ютерні системи, 0(3), 11-19. https://europub.co.uk./articles/-A-494224