Классификатор аномального трафика для NDA: точность 96%
Разработан классификатор на основе таблицы решений для обнаружения аномального сетевого трафика с точностью 96%.
Задача
Требовалось подготовить данные сетевого трафика для моделей машинного обучения и создать классификаторы, способные выявлять аномалии, связанные с сетевыми сканированиями.
Решение
С помощью Zeek и Mininet собраны безвредный и вредоносный трафик, данные агрегированы и преобразованы в формат ARFF. В Weka обучены классификаторы «таблица решений» и «дерево решений», после сравнения выбрана таблица решений с точностью 96%.
Результат
- 96% Точность классификации аномального трафика
Получен структурированный набор данных и обученный классификатор, который с высокой точностью выявляет аномальный трафик.
Ещё 171 кейс в категории Промышленное предприятие → Разработка ПО
Похожие кейсы
Разработка собственной MES-системы в ГК «Изолятор»
Разработали кастомную MES-систему для ГК «Изолятор», чтобы автоматизировать планирование производства и перейти к позаказному производству.
Автоматизация работы энергосбытовой компании
ИИ-платформа MarQus ускорила сортировку мусора для «Вторплюс» в 2 раза
Разработали ИИ-платформу MarQus для сортировки ТБО, которая увеличила скорость сортировки более чем в 2 раза — до 60–70 объектов в минуту.
Цифровое решение для автоматизации операционной деятельности на месторождениях газа и нефти
Разработали цифровую платформу для Газпромнефть-Хантос, которая оцифровала более 15 000 сотрудников и ускорила обработку заявок в 8–12 раз.
Экосистема цифровых сервисов ОМК: 70% меньше обращений к менеджерам
Создали экосистему цифровых сервисов для ОМК, оцифровали 16 точек касания и сократили обращения к менеджерам на 70%.