РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ ДЛЯ ОБНАРУЖЕНИЯ И ПРЕДОТВРАЩЕНИЯ КИБЕРАТАК НА СИСТЕМЫ ИНТЕРНЕТА ВЕЩЕЙ

Аннотация

Данное исследование посвящено разработке новых алгоритмов
и моделей для выявления и предотвращения кибератак, направленных на
системы интернета вещей (IoT). Широкое распространение IoT-устройств
представляет серьёзную угрозу информационной безопасности, поскольку
большинство таких устройств имеют ограниченные ресурсы и не оснащены
современными механизмами защиты. В статье рассмотрены основные
риски и угрозы, возникающие в IoT-среде, а также виды атак (например,
DoS, spoo�ing, snif�ing) и методы их обнаружения (детектирующие модели,
алгоритмы машинного обучения). Особое внимание уделено преимуществам
алгоритмов, основанных на искусственном интеллекте и глубоком
обучении, по сравнению с традиционными статистическими подходами.
В работе предложен гибридный подход для выявления аномалий, анализа
сетевого трафика и оперативной идентификации угроз в реальном времени.
В рамках исследования использовался датасет объёмом 100 ГБ, собранный
в течение 12 месяцев с IoT-устройств. Предложенная гибридная модель
показала улучшение точности на 27 % по сравнению с простыми методами
машинного обучения, достигнув показателя точности 94,7 %. Кроме того,
удалось снизить уровень ложноположительных срабатываний до 35 % и
увеличить скорость обработки в реальном времени в 2,3 раза. Полученные
результаты представляют собой значительное достижение в области IoT-безопасности и предлагают новые практические решения для применения в
промышленной среде.