В статье рассматривается новая концепция защищенной интеллектуальной системы обнаружения вторжений (СОВ) на основе пакетно-нейросетевых программ. В современном мире рост числа кибератак и сложности распределенных информационных систем требуют новых подходов к обеспечению их киберустойчивости, особенно в части защиты систем искусственного интеллекта. В связи с этим предложен механизм снижения времени реагирования СОВ на атаки, направленные на нарушение целостности, за счет дообучения пакетно-нейросетевых программ, включая принципы автоматической пересборки и саморепликации. В ходе настоящей работы произведена разработка и экспериментальная проверка обновленной архитектуры интеллектуальной СОВ, включающей новые слои нейросетевого модуля и библиотеку AutoML. Подтверждена эффективность предложенных решений, показано снижение когнитивной нагрузки и накладных расходов при обработке данных. Научная новизна заключается в создании архитектуры пакетно-нейросетевых программ и теоретическом подходе к сохранности систем искусственного интеллекта. Практическая значимость состоит в модификации алгоритмов поиска кратчайших путей и разработке научно-технических предложений для систем восстановления программного обеспечения.
< ... >
The article considers the concept of a secure intelligent IDS based on packet neural network programs. In the modern world, the growing number of cyberattacks and the complexity of distributed information systems require new approaches to ensuring their cyber resilience, especially in AI security. In this regard, the article proposes a mechanism to reduce IDS response time to integrity-violating attacks by retraining packet-based neural network programs, including the principles of automatic reassembly and self-replication. In the course of this work, an updated architecture of the intelligent IDS was developed and experimentally tested, which includes new layers of the neural network module and an AutoML library. The effectiveness of the proposed solutions is confirmed; a reduction in cognitive load and processing overhead is demonstrated. The scientific novelty lies in creating the architecture of packet neural network programs and a theoretical approach to preserving artificial intelligence systems. The practical significance consists in modifying shortest-path algorithms and developing scientific and technical proposals for software recovery systems.
Keywords:
intelligent intrusion detection system, machine learning, deep learning, package neural network programs, artificial intelligence protection
Полную версию статьи смотрите на страницах журнала «Защита информации. Инсайд»
