2020Problems of Information TechnologyOpen access

ОБ ОДНОЙ МОДЕЛИ МОНИТОРИНГА КОМПЬЮТЕРНЫХ СЕТЕЙ В РЕАЛЬНОМ ВРЕМЕНИ

Институт Информационных Технологий НАНА, Рамиз Шыхалиев

Open full text 0 citations

Abstract

Для обеспечения нормального и безопасного функционирования современных компьютерных сетей (КС) требуются надежные и эффективные модели мониторинга.Эти модели должны позволить анализировать большой объем потоков данных сетевых трафиков в режиме реального времени.Однако используемые сегодня традиционные подходы интеллектуального анализа данных не могут справиться с этой задачей.Для ее решения более подходящим является использование методов интеллектуального анализа потоков данных.В данной статье предложена модель мониторинга КС в реальном времени, в которой используются алгоритмы интеллектуального анализа потоков данных.Предложенная модель является многозадачной, то есть, в зависимости от целей мониторинга КС, для анализа потоков данных сетевых трафиков могут быть использованы соответствующие алгоритмы интеллектуального анализа потоков данных.Для этого используются такие алгоритмы, как алгоритмы кластеризации потоков данных, классификации потоков данных, анализа шаблонов и анализа временных рядов.Таким образом, предложенная модель может позволить осуществлять мониторинг КС в реальном времени в самых различных контекстах, например, обнаруживать тренды, аномалии и закономерности, а также делать прогнозы в реальном времени и т.д.Ключевые слова: мониторинг, потоки данных сетевых трафиков, кластеризация потоков данных, классификация потоков данных, анализ временных рядов. ВведениеСегодня увеличение масштабов, производительности, скорости и сложности компьютерных сетей, а также объема сетевого трафика и количества пользователей и устройств, подключенных к сети, становится обычным явлением.В таких условиях решение задач выявления и идентификации тех или иных проблемных ситуаций, а также инцидентов безопасности, влияющих на нормальное функционирование КС, становится очень трудным.Иногда для решения этих задач могут потребоваться дни или даже недели.Поэтому необходимо сократить время, затрачиваемое на решение возникших в КС проблем, а также для предотвращения их возникновения.Таким образом, требуется создать системы мониторинга и безопасности сетей, работающие в реальном режиме.Для обеспечения нормального функционирования и безопасности КС сегодня используются различные аппаратно-программные средства, такие как системы обнаружения аномалий и предотвращения атак, межсетевые экраны и т.д.Несмотря на это, невозможно полностью исключить влияние вышеуказанных факторов на работу сети.Поэтому сетевым администраторам необходимо вести мониторинг КС и анализировать данные в режиме реального времени, что позволит им за короткое время определять и реагировать на различные проблемные ситуации.Одним из перспективных подходов к повышению эффективности мониторинга КС является минимизация времени анализа потока данных сетевых трафиков.Время анализа должно быть настолько оптимальным, чтобы процесс анализа данных был близок к режиму реального времени, то есть скорость анализа данных должна быть очень близка к скорости сбора данных.Очевидно, что чем ближе будут скорость сбора и скорость анализа данных,

Open-access reader

About this research paper

What this paper is about

Для обеспечения нормального и безопасного функционирования современных компьютерных сетей (КС) требуются надежные и эффективные модели мониторинга.Эти модели должны позволить анализировать большой объем потоков данных сетевых трафиков в режиме реального времени.Однако используемые сегодня традиционные подходы интеллектуального анализа данных не могут справиться с этой задачей.Для ее решения более подходящим является использование методов интеллектуального анализа потоков данных.В данной статье предложена модель мониторинга КС в реальном времени, в которой используются алгоритмы интеллектуального анализа потоков данных.Предложенная модель является многозадачной, то есть, в зависимости от целей мониторинга КС, для анализа потоков данных сетевых трафиков могут быть использованы соответствующие алгоритмы интеллектуального анализа потоков данных.Для этого используются такие алгоритмы, как алгоритмы кластеризации потоков данных, классификации потоков данных, анализа шаблонов и анализа временных рядов.Таким образом, предложенная модель может позволить осуществлять мониторинг КС в реальном времени в самых различных контекстах, например, обнаруживать тренды, аномалии и закономерности, а также делать прогнозы в реальном времени и т.д.Ключевые слова: мониторинг, потоки данных сетевых трафиков, кластеризация потоков данных, классификация потоков данных, анализ временных рядов. ВведениеСегодня увеличение масштабов, производительности, скорости и сложности компьютерных сетей, а также объема сетевого трафика и количества пользователей и устройств, подключенных к сети, становится обычным явлением.В таких условиях решение задач выявления и идентификации тех или иных проблемных ситуаций, а также инцидентов безопасности, влияющих на нормальное функционирование КС, становится очень трудным.Иногда для решения этих задач могут потребоваться дни или даже недели.Поэтому необходимо сократить время, затрачиваемое на решение возникших в КС проблем, а также для предотвращения их возникновения.Таким образом, требуется создать системы мониторинга и безопасности сетей, работающие в реальном режиме.Для обеспечения нормального функционирования и безопасности КС сегодня используются различные аппаратно-программные средства, такие как системы обнаружения аномалий и предотвращения атак, межсетевые экраны и т.д.Несмотря на это, невозможно полностью исключить влияние вышеуказанных факторов на работу сети.Поэтому сетевым администраторам необходимо вести мониторинг КС и анализировать данные в режиме реального времени, что позволит им за короткое время определять и реагировать на различные проблемные ситуации.Одним из перспективных подходов к повышению эффективности мониторинга КС является минимизация времени анализа потока данных сетевых трафиков.Время анализа должно быть настолько оптимальным, чтобы процесс анализа данных был близок к режиму реального времени, то есть скорость анализа данных должна быть очень близка к скорости сбора данных.Очевидно, что чем ближе будут скорость сбора и скорость анализа данных,

Why it matters

A significance statement is not available in the OpenAlex record.

Key contribution

A contribution statement is not available in the OpenAlex record.

Method / approach

Method details are not available in the OpenAlex metadata.

Main findings

Findings are not separately available in the OpenAlex metadata.

Limitations

Limitations are not available in the OpenAlex metadata.

Applications

Application details are not available in the OpenAlex metadata.

Available abstract

Для обеспечения нормального и безопасного функционирования современных компьютерных сетей (КС) требуются надежные и эффективные модели мониторинга.Эти модели должны позволить анализировать большой объем потоков данных сетевых трафиков в режиме реального времени.Однако используемые сегодня традиционные подходы интеллектуального анализа данных не могут справиться с этой задачей.Для ее решения более подходящим является использование методов интеллектуального анализа потоков данных.В данной статье предложена модель мониторинга КС в реальном времени, в которой используются алгоритмы интеллектуального анализа потоков данных.Предложенная модель является многозадачной, то есть, в зависимости от целей мониторинга КС, для анализа потоков данных сетевых трафиков могут быть использованы соответствующие алгоритмы интеллектуального анализа потоков данных.Для этого используются такие алгоритмы, как алгоритмы кластеризации потоков данных, классификации потоков данных, анализа шаблонов и анализа временных рядов.Таким образом, предложенная модель может позволить осуществлять мониторинг КС в реальном времени в самых различных контекстах, например, обнаруживать тренды, аномалии и закономерности, а также делать прогнозы в реальном времени и т.д.Ключевые слова: мониторинг, потоки данных сетевых трафиков, кластеризация потоков данных, классификация потоков данных, анализ временных рядов. ВведениеСегодня увеличение масштабов, производительности, скорости и сложности компьютерных сетей, а также объема сетевого трафика и количества пользователей и устройств, подключенных к сети, становится обычным явлением.В таких условиях решение задач выявления и идентификации тех или иных проблемных ситуаций, а также инцидентов безопасности, влияющих на нормальное функционирование КС, становится очень трудным.Иногда для решения этих задач могут потребоваться дни или даже недели.Поэтому необходимо сократить время, затрачиваемое на решение возникших в КС проблем, а также для предотвращения их возникновения.Таким образом, требуется создать системы мониторинга и безопасности сетей, работающие в реальном режиме.Для обеспечения нормального функционирования и безопасности КС сегодня используются различные аппаратно-программные средства, такие как системы обнаружения аномалий и предотвращения атак, межсетевые экраны и т.д.Несмотря на это, невозможно полностью исключить влияние вышеуказанных факторов на работу сети.Поэтому сетевым администраторам необходимо вести мониторинг КС и анализировать данные в режиме реального времени, что позволит им за короткое время определять и реагировать на различные проблемные ситуации.Одним из перспективных подходов к повышению эффективности мониторинга КС является минимизация времени анализа потока данных сетевых трафиков.Время анализа должно быть настолько оптимальным, чтобы процесс анализа данных был близок к режиму реального времени, то есть скорость анализа данных должна быть очень близка к скорости сбора данных.Очевидно, что чем ближе будут скорость сбора и скорость анализа данных,

Key concepts: Materials science

Related papers

Back to paper searchBrowse research topicsOriginal source
ОБ ОДНОЙ МОДЕЛИ МОНИТОРИНГА КОМПЬЮТЕРНЫХ СЕТЕЙ В РЕАЛЬНОМ ВРЕМЕНИ — Research Paper | ScholarLens