ОБ ОДНОЙ МОДЕЛИ МОНИТОРИНГА КОМПЬЮТЕРНЫХ СЕТЕЙ В РЕАЛЬНОМ ВРЕМЕНИ
Институт Информационных Технологий НАНА, Рамиз Шыхалиев
Abstract
Open-access reader
Институт Информационных Технологий НАНА, Рамиз Шыхалиев
Abstract
Open-access reader
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,
A significance statement is not available in the OpenAlex record.
A contribution statement is not available in the OpenAlex record.
Method details are not available in the OpenAlex metadata.
Findings are not separately available in the OpenAlex metadata.
Limitations are not available in the OpenAlex metadata.
Application details are not available in the OpenAlex metadata.
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