Поиск

www.samag.ru

Web

0 товаров , сумма 0 руб.

	Журнал "Системный администратор"
	Журнал «БИТ»
	Подписка
	Архив номеров
	Где купить
	Наука и технологии
	Авторам
	Рекламодателям
	Контакты

Опросы

Статьи

ИТ-инфраструктура

Системы мониторинга ИТ-инфраструктуры-2025

Без мониторинга ИТ-инфраструктуры не обходится ни одна компания, хотя бы потому, что

Открытое ПО

Безопасность Open Source: рискуем или контролируем?

Компания «Кросс технолоджис» изучила, как используется ПО с открытым кодом в компаниях

Работа с нейросетью

Скажи, есть ли у тебя AI, и я скажу, кто ты

Недавно сервис по поиску работы SuperJob выяснил, что каждый второй россиянин уже

Работа с Debian

О Linux с любовью или Debian: через знание к любви

Конечно, одним лишь перечислением замечательных качеств любовь к Linux не возникнет. Для

Опрос

Защита личных и клиентских данных: как мошенники используют ИИ и как защититься?

По данным RED Security, общее число кибератак на российские компании в 2024

Опрос

Облачные инструменты для разработчиков

Эксперты ИТ-отрасли отвечают на вопросы «Системного администратора» > Как с помощью облака сделать

Опрос

Рынок мобильных приложений: что будет актуальным в 2025 году?

Эксперты ИТ-отрасли отвечают на вопросы «Системного администратора» > Ваши прогнозы: чего ожидать от

Рынок труда

Как успешно пройти все этапы собеседования на ИТ-должность?

По оценкам государства, дефицит ИТ-специалистов составляет от 740 тысяч до 1 миллиона

Спецпроект «Базальт СПО». Развитие Open Source в России

Алексей Смирнов: «Сейчас трудно найти программный продукт, в котором нет свободного кода»

Какое будущее ждет свободное ПО? Влияет ли свободная или несвободная разработка на

Спецпроект «Базальт СПО». Развитие Open Source в России

Николай Костригин: «Мы создали Hantis, конвейер автоматизации. Проекты, исследуемые разными инструментами, переходят от одного исполнителя к другому, развиваются, возвращаются к автору, и так по кругу»

О том, как идет работа по повышению безопасности отечественного программного обеспечения, рассказывает

1001 и 1 книга

19.03.2018г.

Комментарии: 0

Машинное обучение с использованием библиотеки Н2О

12.03.2018г.

Комментарии: 0

Особенности киберпреступлений в России: инструменты нападения и защита информации

12.03.2018г.

Комментарии: 0

Глубокое обучение с точки зрения практика

12.03.2018г.

Комментарии: 0

Изучаем pandas

12.03.2018г.

Комментарии: 0

Программирование на языке Rust (Цветное издание)

19.12.2017г.

Комментарии: 0

Глубокое обучение

19.12.2017г.

Комментарии: 0

Анализ социальных медиа на Python

19.12.2017г.

Комментарии: 0

Основы блокчейна

19.12.2017г.

Комментарии: 0

Java 9. Полный обзор нововведений

16.02.2017г.

Комментарии: 0

Опоздавших не бывает, или книга о стеке

17.05.2016г.

Комментарии: 0

Теория вычислений для программистов

30.03.2015г.

Комментарии: 0

От математики к обобщенному программированию

18.02.2014г.

Комментарии: 0

Рецензия на книгу «Читаем Тьюринга»

13.02.2014г.

Комментарии: 0

Читайте, размышляйте, действуйте

12.02.2014г.

Комментарии: 0

Рисуем наши мысли

10.02.2014г.

Комментарии: 4

Страна в цифрах

18.12.2013г.

Комментарии: 0

Большие данные меняют нашу жизнь

18.12.2013г.

Комментарии: 0

Компьютерные технологии – корень зла для точки роста

04.12.2013г.

Комментарии: 0

Паутина в облаках

03.12.2013г.

Комментарии: 1

Рецензия на книгу «MongoDB в действии»

Друзья сайта

Обнаружение аномального поведения пользователей в журналах событий безопасности Windows с применением алгоритмов неконтролируемого машинного обучения

Архив номеров / 2024 / Выпуск №9 (262) / Обнаружение аномального поведения пользователей в журналах событий безопасности Windows с применением алгоритмов неконтролируемого машинного обучения

Рубрика: Безопасность / Машинное обучение

ВИЗИТКА

Артем Макшаев,
выпускник Нижегородского архитектурно-строительного университета,
специальность «Информационные системы и технологии»

Обнаружение аномального поведения пользователей
в журналах событий безопасности Windows с применением алгоритмов неконтролируемого машинного обучения

В статье рассказывается посредством каких инструментов можно организовать поиск подозрительных пользователей в информационных системах работающих на базе ОС Windows. В какой последовательности применять эти инструменты и какие задачи при этом будут решаться.

Введение

Постоянный мониторинг журналов безопасности Windows позволяет на ранней стадии обнаружить подозрительное поведения в информационной системе и своевременно принять меры для нейтрализации угрозы. Журналы безопасности Windows представляют из себя текстовые файлы с большим объемом данных. Существует два подхода для обработки и анализа большого объема данных — машинное обучение контролируемое и машинное обучение неконтролируемое. В данной статье для анализа данных предлагается использовать методы неконтролируемого машинного обучения.

Наиболее известными и применяемыми алгоритмами неконтролируемого машинного обучения для обнаружения аномалий (выбросов) являются:

Метод опорных векторов для одного класса (OneClassSVM)
Изолирующий лес (IsolationForest)
Эллипсоидальная аппроксимация данных (EllipticEnvelope)
Фактор локального отклонения (Local Outlier Factor)

Для получения более точных результатов необходимо задействовать все четыре метода.

<...>

Ключевые слова: неконтролируемое машинное обучения, аномалии, выбросы, OneClassSVM, изолирующий лес, Local Outlier Factor, EllipticEnvelope, шкалирование, scikit-learn, Pyhon, WinCollect, Qradar, Windows

Полную версию статьи читайте в журнале
Подпишитесь на журнал

Комментарии отсутствуют

Добавить комментарий

Комментарии могут оставлять только зарегистрированные пользователи

Tel.: (499) 277-12-45
E-mail: sa@samag.ru