Rozważania teoretyczne na temat sztucznej inteligencji i cyberbezpieczeństwa, One-Class SVM do wykrywania anomalii w ruchu sieciowym

Abstrakt

W niniejszym artykule skupiono się na One-Class SVM jako szczególnie wartościowym podejściu, gdyż nie wymaga ono gromadzenia dużych zbiorów etykietowanych próbek ataków, natomiast potrafi opisać normalne zachowania i rozpoznać każde istotne odchylenie od wzorca.

Przedstawiono rozważania teoretyczne i zaprezentowano przykład kodu w Pythonie demonstrujący, w jaki sposób można w praktyce trenować taki model na rzeczywistych lub syntetycznych danych sieciowych, a następnie wykorzystywać go do oznaczania potencjalnych anomalii.

W tekście zawarto ponadto wskazówki dotyczące przygotowania danych (od zbierania poprzez czyszczenie, normalizację i ewentualną redukcję wymiarowości), jak również optymalizacji hiperparametrów (m.in. nu, gamma).

Omówiono też, w ujęciu matematycznym, na czym polega rola wektora w, wartości progowej R oraz funkcji jądra (kernel), która umożliwia nieliniowe odwzorowanie i oddzielenie normalnych próbek od odstających.