Методы искусственного интеллекта в задачах обеспечения безопасности компьютерных сетей в. Ю. Колеватов, Е. В. Котельников

Библиографический список 
1.
Люгер Д. Ф. Искусственный интеллект, стратегии и методы решения сложных 
проблем [Текст] – 4-е изд. – Вильямс, 2003. – 864 с. 
2.
Рассел С., Норвиг П. Искусственный интеллект: современный подход. М.: 
Вильямс, 2007. – 1408 с. 
3.
Gorodetski V. I., Kotenko I. V., Karsaev O. Multi-agent technologies for computer 
network security: Attack simulation, intrusion detection and intrusion detection learning 
// International Journal of Computer Systems Science & Engineering. – 2003. – № 4. – 
С. 191–200. 
4.
Котенко И. В., Уланов А. В. Кооперативная работа команд агентов при защите от 
сетевых атак нарушения доступности [Электронный ресурс]. Режим доступа: 
www.comsec.spb.ru
. 
5.
Колегов Д. Н. Проблемы синтеза и анализа графов атак [Электронный ресурс]. 
Режим доступа: 
http://www.securitylab.ru/contest/299868.php
. 
6.
Лукацкий А. В. Как работает сканер безопасности? [Электронный ресурс]. Режим 
доступа: 
http://www.citforum.ru/security/internet/scaner.shtml
 
7.
Danforth M. Models for Threat Assessment in Networks [Электронный ресурс]. 
Режим доступа: 
http://www.cs.ucdavis.edu/research/tech-reports/2006/CSE-2006-13.pdf
. 
8.
Багиров Т. К. Автоматизированная система анализа защищенности корпоративной 
вычислительной сети на основе многоагентного подхода: дис. канд. техн. наук: 
05.13.19. – Уфа: РГБ, 2007. – 204 с. 
9.
Богданов В. С., Котенко И. В. Анализ выполнения политики безопасности в 
компьютерных сетях: проактивный подход [Электронный ресурс]. Режим доступа: 
www.comsec.spb.ru
. 
10.
Котенко И. В. Многоагентные технологии анализа уязвимостей и обнаружения 
вторжений в компьютерных сетях // Новости искусственного интеллекта. – 2004. – 
№ 1. – С. 56–72. 

---

22 
11.
Котенко И. В., Юсупов Р. М. Перспективные направления исследований в области 
компьютерной безопасности // Защита информации. INSIDE. – 2006. – № 2. – С. 
46–57. 
12.
Kotenko I. V., Ulanov A. V. Simulation of Internet DDoS Attacks and Defense 
[Электронный ресурс]. Режим доступа: 
www.comsec.spb.ru
. 
13.
Котенко И. В. Степашкин М. В., Богданов В. С. Модели и методика 
интеллектуальной 
оценки 
уровня 
защищенности 
компьютерной 
сети 
[Электронный ресурс]. Режим доступа: 
www.comsec.spb.ru
. 
14.
Котенко И. В., Степашкин М. В. Модели действий хакеров-злоумышленников при 
реализации распределенных многошаговых атак [Электронный ресурс]. Режим 
доступа: 
www.comsec.spb.ru
. 
15.
Котенко И. В., Уланов А. В. Моделирование противоборства программных 
агентов в Интернете: общий подход, среда моделирования и эксперименты // 
Защита информации. INSIDE. – 2006. – № 4. – С. 2–10. 
16.
Джексон П. Введение в экспертные системы. М.: Вильямс, 2001. – 624 с. 
17.
Лорьер Ж.-Л. Системы искусственного интеллекта. М.: Мир, 1991. – 568 с. 
18.
Сайт «Информационная безопасность» (О. Зайцев) [Электронный ресурс]. Режим 
доступа: 
http://www.z-oleg.com
. 
19.
Rish I. An empirical study of the naive Bayes classifier // IJCAI 2001 Workshop on 
Empirical Methods in Artificial Intelligence. 2001. 
20.
Graham P. Better Bayesian Filtering // Proceedings of the 2003 Spam Conference, 
Cambridge, 2003 [Электронный ресурс]. 
Режим доступа: 
http://paulgraham.com/better.html
. 
21.
Лаборатория Касперского: технология фильтрации спама [Электронный ресурс]. 
Режим доступа: 
http://www.spamtest.ru
. 
22.
Friedman N., Geiger D., Goldszmidt M., Bayesian Network Classifiers // Machine 
Learning. 1997. 29. P. 131–165. 
23.
Хайкин С. Нейронные сети: полный курс. 2-е изд. М.: Издательский дом Вильямс, 
2006. – 1104 с. 
24.
Зайцев О. Нейросети в системах безопасности [Текст] // IT-Спец. – 2007. – № 6. – 
С. 54–59. 

---

23 
25.
BaseGroup Labs: технологии анализа данных [Электронный ресурс]. Режим 
доступа: 
http://www.basegroup.ru
. 
26.
The MathWorks – MATLAB and Simulink for Technical Computing [Электронный 
ресурс]. Режим доступа: 
http://www.mathworks.com
. 
27.
Vapnik V. Statistical learning theory. Wiley, New York, 1998. 
28.
Vapnik V. N. The Nature of Statistical Learning Theory. Springer-Verlag, 1995. 
29.
Lashkov P., Schäfer C., Kotenko I. Intrusion Detection in Unlabeled Data with Quarter-
Sphere Support Vector Machine [Электронный ресурс]. Режим доступа: 
www.comsec.spb.ru
. 
30.
Thorsten J. Making Large-Scale SVM Learning Practical // Lehrstuhl VIII, Kunstliche 
Intelligenz, Dortmund, 1998.