sibsutisВестник СибГУТИThe Herald of the Siberian State University of Telecommunications and Information Science1998-6920СибГУТИ10.55648/1998-6920-2023-17-2-44-50sibsutis-570Research ArticleСтатьиОбзор методов прогнозирования сетевых аномалийOverview of the Methods for Predicting Network Anomalieshttps://orcid.org/0009-0003-2599-8989ЛизневД. С.LiznevD. S.

Лизнев Денис Сергеевич, аспирант

630102, Новосибирск, ул. Кирова, 86

Denis S. Liznev, Postgraduate student

 

liznev.denis@gmail.comСибирский гос. унив. телекоммуникаций и информатики (СибГУТИ)РоссияSiberian State University of Telecommunications and Information Science (SibSUTIS)Russian Federation2023020420231724450Copyright © Лизнев Д.С., 20232023Лизнев Д.С.Liznev D.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.sibsutis.ru/jour/article/view/570

В работе проведен анализ методов прогнозирования сетевых аномалий.  На примере реальных статистических данных показаны этапы настройки моделей прогнозирования.  Показано влияние DDoS-атаки на энтропию IP-адресов назначения.

In this paper, the methods of predicting network anomalies are analyzed. Using the example of real statistical data, the stages of setting up forecasting models are shown. The effect of a DDoS attack on the destination IP-addresses’ entropy is shown.

модель экспоненциального сглаживанияавторегрессионная модельэнтропиясетевые атакиexponential smoothing modelautoregressive modelentropynetwork attacksReferencesГОСТ Р 53114-2008. Обеспечение информационной безопасности в организации [Электронный ресурс]. URL: https://docs.cntd.ru/document/1200075565 (дата обращения: 22.11.2022).GOST R 53114-2008. Obespechenie informacionnoj bezopasnosti v organizacii [Information security provision in organization], available at: https://docs.cntd.ru/document/1200075565 (accessed 22.11.2022).Лаборатория Касперского. Отчеты [Электронный ресурс] URL: https://www.kaspersky.ru/enterprise-security/resources (дата обращения: 22.11.2022).Laboratoriya Kasperskogo. Otchety [DDoS reports], available at: https://www.kaspersky.ru/enterprise-security/resources (accessed 22.11.2022).Positive Technologies. Аналитика [Электронный ресурс] URL: https://www.ptsecurity.com/ruru/research/analytics/ (дата обращения 22.11.2022).Positive Technologies. Analitika [Analytics], available at: https://www.ptsecurity.com/ruru/research/analytics/ (accessed 22.11.2022)Методы защиты от DDOS нападений [Электронный ресурс]. URL: http://www.securitylab.ru/analytics/216251.php (дата обращения: 22.11.2022).Metody zashchity ot DDOS napadenij [Methods of protection against DDOS attacks], available at: http://www.securitylab.ru/analytics/216251.php (accessed 22.11.2022)Shanshan Yu, Jicheng Zhang, Ju Liu, Xiaoqing Zhang, Yafeng Li, Tianfeng Xu. A cooperative DDoS attack detection scheme based on entropy and ensemble learning in SDN [Электронный ресурс]. URL: https://www.researchgate.net/publication/348891807 (дата обращения: 22.11.2022).Shanshan Yu, Jicheng Zhang, Ju Liu, Xiaoqing Zhang, Yafeng Li, Tianfeng Xu. A cooperative DDoS attack detection scheme based on entropy and ensemble learning in SDN, available at: https://www.researchgate.net/publication/348891807 (accessed 22.11.2022)Jung Woo Seo, Sangjin Lee. A study on efficient detection of_network-based IP spoofing DDoS and malware-infected Systems [Электронный ресурс]. URL: https://www.researchgate.net/publication/309467794 (дата обращения: 22.11.2022)Jung Woo Seo, Sangjin Lee. A study on efficient detection of_network-based IP spoofing DDoS and malware-infected Systems, available at: https://www.researchgate.net/publication/309467794 (accessed 22.11.2022)The NSL-KDD Data Set. [Электронный ресурс]. URL: https://www.unb.ca/cic/datasets/nsl.html (дата обращения 22.11.2022).The NSL‐KDD Data Set, available at: https://www.unb.ca/cic/datasets/nsl.html (accessed 22.11.2022)Афанасьев В. Н. Анализ временных рядов и прогнозирование: учебник. Саратов: Ай Пи Ар Медиа, Оренбург: Оренбургский гос. ун-т, 2020. 286 с.Afanas'ev V. N. Analiz vremennyh ryadov i prognozirovanie [Time series analysis and forecasting]: Saratov, Aj Pi Ar Media, Orenburg, Orenburgskij gos. un-t, 2020. 286 p.

The authors declare that there are no conflicts of interest present.