ДОСЛІДЖЕННЯ ВПЛИВУ СИНТЕТИЧНОГО БАЛАНСУВАННЯ НАВЧАЛЬНОЇ ВИБІРКИ НА ТОЧНІСТЬ ВИЯВЛЕННЯ КОМП’ЮТЕРНИХ АТАК

Анотація

У статті досліджено вплив синтетичного балансування навчальної вибірки на точність виявлення комп’ютерних атак у задачах побудови систем виявлення вторгнень. Актуальність дослідження зумовлена тим, що реальні набори мережевого трафіку характеризуються суттєвим дисбалансом класів, унаслідок чого моделі машинного навчання демонструють знижену здатність до розпізнавання рідкісних і складних типів атак. Метою роботи є порівняльне оцінювання впливу різних підходів до синтетичного балансування навчальних даних на якість класифікації мережевого трафіку. У роботі розглянуто базовий підхід без балансування, класичний метод SMOTENC та сигнатурозбережний адаптивний метод синтетичного балансування, орієнтований на збереження статистичних і структурних властивостей зразків атак. Експериментальне дослідження виконано на даних задачі виявлення атак із використанням показників якості класифікації, зокрема F1-score. Отримані результати показали, що застосування синтетичного балансування забезпечує підвищення якості виявлення атак порівняно з базовим варіантом, тоді як сигнатурозбережний адаптивний підхід демонструє кращі результати порівняно з класичним методом SMOTENC. Практичне значення роботи полягає в обґрунтуванні доцільності використання адаптивного синтетичного балансування для підвищення точності систем виявлення комп’ютерних атак в умовах дисбалансних навчальних вибірок.