Тестирование методов машинного обучения

---

119
ВЕСТНИК ВГУ, СЕРИЯ: СИСТЕМНЫЙ АНАЛИЗ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ, 2019, № 4
УДК 004.056.4
ТЕСТИРОВАНИЕ МЕТОДОВ МАШИННОГО ОБУЧЕНИЯ 
В ЗАДАЧЕ КЛАССИФИКАЦИИ HTTP ЗАПРОСОВ 
С ПРИМЕНЕНИЕМ ТЕХНОЛОГИИ TF-IDF
М. Т. Нгуен
Академия ФСО России
Поступила в редакцию 27.09.2019 г.
Аннотация.
В настоящее время отмечается увеличение числа атак на информационные си-
стемы и их качество. Каждая атака может нарушать конфиденциальность, целостность и 
доступность информации. Большинство из них преследует финансовую выгоду, особенно 
веб-атаки, так как они являются самыми распространёнными по причине использования 
веб-приложения многими компаниями. Поэтому задача защиты личных данных является 
главной для всех организаций и компаний, решение которой требует использования си-
стем обнаружения и предотвращения атак и межсетевого экрана. Эти средства используют 
следующий набор методов обнаружения атак: метод белого-чёрного списка, метод обнару-
жения атак по сигнатуре, метод обнаружения аномалий, и все они защищают веб-приложе-
ния на сетевом уровне. Так как современная сложная атака на веб-приложения чаще всего 
происходит на прикладном уровне, в виде HTTP/HTTPS запросов к сайту, у традиционных 
средств крайне ограничены возможности для обнаружения атак и широкого применения 
методов машинного обучения во многих областях информационной безопасности. В статье 
дается краткий обзор популярных атак на Веб-приложения, методов машинного обучения 
и их тестирование в задаче обнаружения атак на веб-приложения путём классификации 
HTTP запросов. Также приводятся выводы о эффективности применения методов машин-
ного обучения к данной задаче. Целью исследования является повышение точности обна-
ружения атак на веб-приложения на основе применения методов машинного обучения и 
анализа атрибутов HTTP запросов в межсетевом экране для веб-приложения.