bsuirДоклады БГУИРDoklady BGUIR1729-76482708-0382БГУИРbsuir-674Research ArticleСтатьиИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ ОБНАРУЖЕНИЯ И РАСПОЗНАВАНИЯ АНОМАЛИЙ В КОРПОРАТИВНОЙ ИНФОРМАЦИОННОЙ СИСТЕМЕ ПРЕДПРИЯТИЯUSE OF NEURAL NETWORKS FOR DETECTION AND RECOGNITION OF THE ANOMALIES IN ENTERPRISE CORPORATIVE INFORMATION SYSTEMВишняковВ. А.VishniakouU. A.noemail@neicon.ruКовальО. И.KovalO. S.noemail@neicon.ruМоздурани ШиразМ. Г.Mozdurani ShirazM. G.noemail@neicon.ruП.Бровки, 6, Минск, 220600, БеларусьBelarus201603062019048692Copyright © Вишняков В.А., Коваль О.И., Моздурани Шираз М.Г., 20192019Вишняков В.А., Коваль О.И., Моздурани Шираз М.Г.Vishniakou U.A., Koval O.S., Mozdurani Shiraz M.G.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://doklady.bsuir.by/jour/article/view/674

Рассмотрены нейросетевые структуры, используемые для решения задачи защиты информации. Построена выборка атрибутов и метаданных исполняемых файлов, которая использовалась для обучения многослойного персептрона. Обучение проводилось в программе SPSS Statistics. После обучения нейронной сети эффективность ее работы была определена с помощью контрольной выборки исполняемых файлов. Относительная погрешность классификации файлов составила 5 %.

The neural networks structure using for task solving of information defense are discussed. The choice of attribute and metadata of executing files with two states (clean and with viruses) which used for multilevel perseptron teaching are built. The teaching was realized within SPSS Statistics - program of IBM Company. After the teaching of neural network the efficiently its working with the control choice of executing files was determined. The relative value of files classification was 5 %, that it is the good result. The file choice must be greater and viruses more variables within the use such approach for large enterprise corporative information systems.

нейросетевые структурызащита информацииобучение нейронной сетикорпоративные информационные системыneural network structureinformation defenseviruses fileteaching of neuron netcorporative information systemReferencesГоловко В.А. Нейронные сети: обучение, организация и применение. М., 2001.Головко В.А. Нейронные сети: обучение, организация и применение. М., 2001.Вишняков В.А. Информационное управление и безопасность: методы, модели, программно-аппаратные решения. Минск, 2014.Вишняков В.А. Информационное управление и безопасность: методы, модели, программно-аппаратные решения. Минск, 2014.Bishop C.M. Neural Networks for Pattern Recognition. Oxford, 1955.Bishop C.M. Neural Networks for Pattern Recognition. Oxford, 1955.Shivani Shah, Himali Jani, Sathvik Shetty et.al. // International Journal of Computer Applications. 2013. Vol. 84, № 5. P. 17-23.Shivani Shah, Himali Jani, Sathvik Shetty et.al. // International Journal of Computer Applications. 2013. Vol. 84, № 5. P. 17-23.Matt Pietrek «Peering Inside the PE: A Tour of the Win32 Portable Executable File Format» [Электронный ресурс]. - Режим доступа : https://msdn.microsoft.com/en-us/library/ms809762.aspx. Дата доступа: 10.12.2015.Matt Pietrek «Peering Inside the PE: A Tour of the Win32 Portable Executable File Format» [Электронный ресурс]. - Режим доступа : https://msdn.microsoft.com/en-us/library/ms809762.aspx. Дата доступа: 10.12.2015.Программа PE Explorer [Электронный ресурс]. - Режим доступа: http://www.pe-explorer.com/. Дата доступа: 10.12.2015.Программа PE Explorer [Электронный ресурс]. - Режим доступа: http://www.pe-explorer.com/. Дата доступа: 10.12.2015.

The authors declare that there are no conflicts of interest present.