Обработка сетевого трафика
Подготовлены данные сетевого трафика и обучен классификатор для обнаружения аномалий с точностью 96%.
Задача
Требовалось агрегировать данные сетевого трафика, собранные с помощью Zeek, и преобразовать их в формат для машинного обучения, а затем разработать и обучить классификаторы для обнаружения аномального трафика, связанного с сетевыми сканированиями.
Решение
Данные собирались с использованием виртуальных машин и Mininet для генерации безвредного и вредоносного трафика. После агрегации и преобразования в числовой формат в Weka были обучены два классификатора: таблица решений и дерево решений. Таблица решений показала точность 96% и была выбрана как предпочтительный метод.
Результат
Получен структурированный набор данных в формате ARFF и обучен классификатор таблицы решений с точностью 96%, который может использоваться для обнаружения аномалий в сетевом трафике.
Похожие кейсы
Разработка собственной MES-системы в ГК «Изолятор»
Разработали и внедрили MES-систему для ГК «Изолятор» — повысили точность планирования закупок и производственных процессов
ИИ-платформа MarQus повысила эффективность сортировки мусора в 2 раза
ИИ-платформа MARQUS увеличила объём сортировки ТБО более чем в 2 раза — до 60–70 объектов в минуту с точностью детекции 95–97%
Цифровое решение для автоматизации операционной деятельности на месторождениях газа и нефти
Разработали цифровое ИТ-решение для управления инфраструктурой месторождений — скорость обработки заявок увеличилась в 8–12 раз
Zeppelin Навигатор. Мобильное приложение для продавцов спецтехники
Разработали мобильное приложение «Навигатор» для компании Zeppelin, чтобы ускорить продажи и упростить работу менеджеров
Разработка маркетплейса и мобильного приложения малоценных товаров
Запущен внутренний маркетплейс, который сократил срок закупа товаров в 4 раза