Work

Detecting intrusion and anomalies of user authentication in network traffic using machine learning

Year: 2023
Type: dissertation
Abstract: Tiivistelmä: Tutkielma tarkastelee koneoppimisen hyödyntämistä tunkeutumisenhavaitsemisjärjestelmissä kirjallisuuskatsauksen avulla.Tarkastelu keskittyy erityisesti käyttäjän todennukseen liittyvien hyökkäyksien havaitsemiseen verkkoliikenteen tasolla.Lisäksi tutkielmassa tutkitaan, että miksi koneoppimista tarvitaan tunkeutumisen havaitsemisessa tunnistepohjaisten menetelmien lisäksi.Kyberhyökkäykset aiheuttavat onnistuessaan uhreilleen suuria tappioita.Kirjallisuuden mukaan nollapäivähaavoittuvuuksia hyödyntävien kyberhyökkäysten havaitseminen on hyvin vaikeata ilman anomaliapohjaisten menetelmien hyödyntämistä.Kirjallisuuskatsauksesta saadut tulokset vahvistetaan ja tuodaan lähemmäksi käytäntöä konstruktiivisella toteutuksella.Konstruktiivisen toteutuksen ohella pohditaan ja tarkastellaan tunkeutumisenhavaitsemisjärjestelmien ylläpitoon liittyviä ohjelmistokehityksen haasteita.Kirjallisuuskatsauksen perusteella inkrementaaliset koneoppimisen mallit soveltuvat käytäntöön parhaiten hyökkäysten ja normaalin verkkoliikenteen jatkuvan muuttumisen vuoksi.Lisäksi kirjallisuuskatsaus määrittelee tunkeutumisenhavaitsemisjärjestelmät ja niihin liittyvät tunnetuimmat koneoppimisen menetelmät.Koneoppimisen osalta kirjallisuuskatsaus käsittelee menetelmille olennaisia julkisia tietoaineistoja ja mittareita.Lisäksi kirjallisuuskatsauksen avulla tutkitaan SSH-protokollaan kohdistuvia yleisimpiä hyökkäyksiä, jotta ne voidaan toteuttaa osana konstruktiota.Kirjallisuuskatsauksen tulokset ja konstruktio osoittavat, että kaikkia uhkia ei voida havaita ja oikeiden havaitsemismenetelmien valitseminen on haasteellista.Hyökkäysten torjumisen ja havaitsemisen menetelmien valintaan liittyvät ongelmat suositellaan ratkaistavaksi mahdollisimman pieninä kokonaisuuksina, joten yleistä ratkaisua ongelmiin ei tunneta.
Language: Finnish
Open Access status: green
OpenAlex ID: W7215424152
Cites: 69
Cited by:
Related to: 10