Синтетикалық және нақты веб-сервер журналдары негізінде машиналық оқыту арқылы зиянды веб-сұраныстарды анықтау

Авторлар

Кілт сөздер:

веб-шабуылдарды анықтау, веб-сервер журналдары, машиналық оқыту, Gradient Boosting, Random Forest, Logistic Regression, CSIC 2010, басып кіруді анықтау

Аңдатпа

Веб-сервер журналдары пайдаланушылардың, автоматтандырылған құралдардың және шабуылдаушылардың веб-қосымшамен өзара әрекетін егжей-тегжейлі тіркейді. Сондықтан олар веб-шабуылдарды анықтау үшін пайдалы дереккөзі болып табылады. Алайда тек синтетикалық немесе эталондық деректерде тексерілген модель нақты ортада шабуылдарды әлсіз анықтауы мүмкін. Бұл мақалада зиянды HTTP-сұраныстарды анықтау үшін үш бақыланатын машиналық оқыту моделі салыстырылады: Logistic Regression, Random Forest және Gradient Boosting. Экспериментте екі дереккөзі қолданылды: CSIC 2010 HTTP негізіндегі синтетикалық веб-шабуыл деректері және нақты шабуыл үлгілері бар анонимдендірілген коммерциялық веб-сервер журналдары. HTTP сұраныстары мен сервер жауаптарынан жеті белгі таңдалды: бастапқы IP, URL, User-Agent, URL ұзындығы, статус-код, GET әдісінің индикаторы және POST әдісінің индикаторы. Модельдер қателер матрицасы, accuracy, precision, recall, F1-score, ROC-AUC, PCA арқылы шешім шекараларын визуализациялау және learning curves бойынша бағаланды. Синтетикалық деректерде барлық модельдер жоғары нәтиже көрсетті. Нақты деректерде айырмашылық айқынырақ болды: Random Forest жалған оң нәтижелерді аз берді, бірақ көптеген шабуылдарды өткізіп алды; Logistic Regression recall көрсеткішін жақсартты, бірақ жеткіліксіз болды; Gradient Boosting ең жақсы теңгерімді көрсетті. Нәтижелер boosting әдісі нақты веб-сервер журналдары негізінде зиянды сұраныстарды анықтауда тиімді екенін көрсетеді.

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

Автор өмірбаяндары

  • Пинчук Ян Витальевич, Code & Design

    Мен Қазақстандағы Code & Design компаниясының негізін қалаушысы және директоры, сондай-ақ Astana IT University университетінің Cyber Security білім беру бағдарламасының түлегімін. Менің жұмысым веб-қосымшалар қауіпсіздігіне, журналдарды талдауға, машиналық оқыту негізінде қауіптерді анықтауға және қорғалған цифрлық жүйелерді әзірлеуге бағытталған.

  • Богданов Алексей Юрьевич, Дозволено

    Alexey is a technology entrepreneur and independent researcher working at the intersection of information freedom, online privacy, and network measurement. He is the founder and director of Do*voleno Ltd (United Kingdom), a company that develops privacy infrastructure for users in regions where connectivity is restricted, and has spent over a decade building and operating consumer digital products.

    His research draws directly on operational practice. Maintaining a distributed network of servers across European jurisdictions, serving several thousand subscribers in Eurasia, provides continuous first-hand evidence of how filtering systems behave in production: SNI-based TLS interference, protocol fingerprinting by deep packet inspection, and the recent shift in several jurisdictions from blocklist to allowlist connectivity models. He sets these observations against public measurement data from OONI, Censored Planet, and the Access Now #KeepItOn coalition.

    His current interests include the classification of encrypted traffic by metadata, the effect of mandatory age-verification regimes on the adoption of privacy tools in Europe and North America, the economics of operating censorship-resistant infrastructure, and the legal frameworks that govern privacy technology across jurisdictions. 

Жүктеулер

Жарияланды

2026-10-23

Журналдың саны

Нөмір 1 № 2 (2026): Journal of Secure Digital Technologies

Бөлім

Ғылыми мақала