Төртінші нөмірге барлық бағыттар бойынша мақалалар қабылдау аяқталды.

Приём статей в четвёртый номер по всем направлениям закрыт.

Submissions for the fourth issue are now closed across all subject areas.

Preview

Вестник Университета Шакарима. Серия технические науки

Вестник Университета Шакарима. Серия технические науки

Расширенный поиск

МЕТОД ФОРМИРОВАНИЯ И РАСШИРЕНИЯ ПРИЗНАКОВОГО ПРОСТРАНСТВА ДЛЯ МОНИТОРИНГА ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ IOT-УСТРОЙСТВ НА ОСНОВЕ СЕГМЕНТАЦИИ ВРЕМЕННЫХ РЯДОВ СЕТЕВОГО ТРАФИКА

https://doi.org/10.53360/2788-7995-2026-3(23)-27

Аннотация

Предмет исследования. Широкое распространение устройств Интернета вещей (IoT) в системах умного дома, промышленной автоматизации, на транспорте, в здравоохранении и городской инфраструктуре сопровождается ростом числа возможных точек несанкционированного доступа. В отличие от традиционных вычислительных систем IoT-устройства характеризуются ограниченными аппаратными ресурсами – объёмом памяти, производительностью процессора, пропускной способностью каналов связи и энергопотреблением, что делает невозможным прямое применение сложных вычислительных и криптографических методов мониторинга информационной безопасности (ИБ) без их предварительной адаптации к ресурсоограниченным условиям. Метод. Для формирования информативного признакового описания состояния ИБ IoTустройств предложено использовать сегментацию временных рядов параметров сетевого трафика на основе статистических, частотных и пороговых критериев, а также расширение признакового пространства с учётом внешних и внутренних факторов, влияющих на наблюдаемые значения признаков. Классификация состояний выполняется с применением шести алгоритмов машинного обучения различной сложности – логистической регрессии, наивного байесовского классификатора, метода опорных векторов, случайного леса, многослойного персептрона и свёрточной нейронной сети. Основные результаты. Экспериментальная оценка выполнена на лабораторном стенде из IoT-узлов (IEEE 802.15.4, TelosB, ESP32) и на наборе данных UNSW-NB15. Показано, что сегментация временных рядов трафика и учёт контекстных факторов позволяют формировать более компактное и различимое признаковое пространство, снижая при этом вычислительные затраты на обучение классификаторов. Практическая значимость. Разработанный подход применим при построении облегчённых систем мониторинга событий ИБ для ресурсоограниченных IoT-инфраструктур: простые модели могут выполняться на периферийных узлах, а более точные – на шлюзах и облачных платформах, что снижает число ложных срабатываний и повышает оперативность обнаружения атак.

Об авторах

Н. А. Бажаев
Евразийский национальный университет им. Л.Н. Гумилева
Казахстан

Нуржан Аманкулулы Бажаев – постдокторант

010000, Республика Казахстан, г. Астана, улица К. Сатпаева, 2



А. К. Токкулиева
Евразийский национальный университет им. Л.Н. Гумилева
Казахстан

Айжан Конурбаевна Токкулиева – докторант

010000, Республика Казахстан, г. Астана, улица К. Сатпаева, 2



Список литературы

1. Lee J. A Cyber-Physical Systems Architecture for Industry 4.0 / J. Lee, B. Bagheri, H.A. Kao // Manufacturing Letters. – 2015. – Vol. 3. – P. 18-23.

2. Atzori L. The Internet of Things: A Survey / L. Atzori, A. Iera, G. Morabito // Computer Networks. – 2010. – Vol. 54, № 15. – P. 2787-2805.

3. Threat analysis of IoT networks using artificial neural network intrusion detection system / E. Hodo et al // 2016 International Symposium on Networks, Computers and Communications (ISNCC), Yasmine Hammamet, Tunisia, 2016. – Р. 1-6, https://doi.org/10.1109/ISNCC.2016.7746067.

4. Deep Learning for Cyber Security Intrusion Detection: Approaches, Datasets and Comparative Study / M.A. Ferrag et al // Journal of Information Security and Applications. – 2020. – Vol. 50.

5. Survey of intrusion detection systems: techniques, datasets and challenges / A. Khraisat et al // Cybersecur 2, 20 (2019). https://doi.org/10.1186/s42400-019-0038-7.

6. Alrawashdeh K. Toward an Online Anomaly Intrusion Detection System Based on Deep Learning / K. Alrawashdeh, C. Purdy // 2016 15th IEEE International Conference on Machine Learning and Applications (ICMLA), Anaheim, CA, USA, 2016. – Р. 195-200. https://doi.org/10.1109/ICMLA.2016.0040.

7. Sukhoparov M.E. Improving the Quality of the Identification of the Information Security State Based on Sample Segmentation / M.E. Sukhoparov, I.S. Lebedev // Aut. Control Comp. Sci. – 2023. – № 57. – Р. 1071-1075. https://doi.org/10.3103/S0146411623080321.

8. Semenov V.V. Identification of Abnormal Functioning of Devices of Cyber-Physical Systems / M.E. Sukhoparov, I.S. Lebedev // Internet of Things, Smart Spaces, and Next Generation Networks and Systems. NEW2AN ruSMART 2020. Lecture Notes in Computer Science. – 2020. – vol 12525. Springer, Cham. https://doi.org/10.1007/978-3-030-65726-0_1.

9. Segmenting Time Series: A Survey and Novel Approach / E. Keogh et al // Data Mining in Time Series Databases. – World Scientific, 2004.

10. Moustafa N. UNSW-NB15: a comprehensive data set for network intrusion detection systems (UNSW-NB15 network data set) / N. Moustafa, J. Slay // 2015 Military Communications and Information Systems Conference (MilCIS), Canberra, ACT, Australia. – 2015. – Р. 1-6. https://doi.org/10.1109/MilCIS.2015.7348942.

11. Fawcett T. An Introduction to ROC Analysis / T. Fawcett // Pattern Recognition Letters. – 2006. – Vol. 27, № 8. – P. 861-874.


Рецензия

Для цитирования:


Бажаев Н.А., Токкулиева А.К. МЕТОД ФОРМИРОВАНИЯ И РАСШИРЕНИЯ ПРИЗНАКОВОГО ПРОСТРАНСТВА ДЛЯ МОНИТОРИНГА ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ IOT-УСТРОЙСТВ НА ОСНОВЕ СЕГМЕНТАЦИИ ВРЕМЕННЫХ РЯДОВ СЕТЕВОГО ТРАФИКА. Вестник Университета Шакарима. Серия технические науки. 2026;(3(23)):278-288. https://doi.org/10.53360/2788-7995-2026-3(23)-27

For citation:


Bazhayev N., Tokkuliyeva A. A METHOD FOR FEATURE SPACE CONSTRUCTION AND EXPANSION FOR INFORMATION SECURITY MONITORING OF IoT DEVICES BASED ON NETWORK TRAFFIC TIME SERIES SEGMENTATION. Bulletin of Shakarim University. Technical Sciences. 2026;(3(23)):278-288. (In Kazakh) https://doi.org/10.53360/2788-7995-2026-3(23)-27

Просмотров: 8

JATS XML


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2788-7995 (Print)
ISSN 3006-0524 (Online)
X