АРХІТЕКТУРА МУЛЬТИАГЕНТНОЇ СИСТЕМИ ВИЯВЛЕННЯ ВТОРГНЕНЬ ІЗ ВИКОРИСТАННЯМ МАШИННОГО НАВЧАННЯ

Анотація

У статті розглядається проблема побудови ефективної системи виявлення вторгнень у хмарних та роз- поділених середовищах на основі мультиагентної архітектури з використанням методів машинного навчання. Актуальність дослідження зумовлена стрімким розвитком хмарних технологій, зростанням кількості та склад- ності кіберзагроз, а також підвищеними вимогами до безперервності та безпеки функціонування розподілених інформаційних систем. Показано обмеженість традиційних сигнатурних підходів, які значною мірою залежать від своєчасного оновлення баз правил і демонструють недостатню ефективність при виявленні нових або моди- фікованих атак. Запропонований підхід поєднує сигнатурний механізм аналізу відомих загроз із поведінковим моделюванням на основі методів машинного навчання. Така інтеграція забезпечує можливість виявлення як відомих атак, так і невідомих інцидентів типу zero-day шляхом фіксації статистично значущих відхилень від сформованих базових профілів функціонування системи та користувачів у режимі реального часу. Особливістю роботи є формування двох взаємодоповнювальних моделей: профілю поведінки користувачів і профілю функціо- нування системи в цілому. Для їх побудови створено спеціалізований датасет нормальної роботи, що відображає типові сценарії експлуатації хмарної інфраструктури та характерні параметри навантаження. Це дозволяє враховувати специфіку конкретного середовища, підвищувати точність детекції, зменшувати кількість хибно- позитивних спрацювань і забезпечувати адаптивність системи до змін умов експлуатації. Архітектура рішення базується на мультиагентному підході з розподілом функцій між інтелектуальними агентами, які виконують збір даних, попередню обробку, аналітичну інтерпретацію подій, формування сповіщень та адаптивне оновлен- ня бази знань. Реалізація багаторівневої структури забезпечує масштабованість, гнучкість конфігурації, відмо- востійкість і можливість інтеграції з існуючими системами моніторингу хмарної інфраструктури. Отримані результати експериментальних досліджень підтверджують ефективність запропонованої моделі для підви- щення рівня кібербезпеки хмарних сервісів і своєчасного виявлення кіберінцидентів.