Исследование состязательных атак на классические модели машинного обучения в контексте обнаружения сетевых угроз

Представлено исследование состязательных атак на классические алгоритмы машинного обучения в контексте обнаружения сетевых угроз. Представлен обзор моделей машинного обучения, которые применяются для выполнения различных задач в системах обеспечения безопасности компьютерных сетей. Формально описана модель угроз и классификация состязательных атак. Представлена классификация сетевого трафика набора данных WEB-IDS23 классическими моделями машинного обучения: k-ближайших соседей, случайный лес и метод опорных векторов. Реализованы такие состязательные атаки, как метод быстрого градиентного знака, метод проектированного градиентного спуска, атака Карлини и Вагнера и DeepFool, на данные алгоритмы машинного обучения. Проведен анализ влияния реализованных состязательных атак на перечисленные классические алгоритмы машинного обучения.