СРАВНИТЕЛЬНЫЙ АНАЛИЗ АЛГОРИТМОВ ПОИСКА УЯЗВИМОСТЕЙ СЕТЕЙ

Abstract

В данной статье рассматривается эффективность алгоритмов обнаружения уязвимостей в сетях, их преимущества и недостатки, а также применение в практических инструментах (Snort, Suricata, Zeek). Исследование охватывает сигнатурные, аномальные, кластерные, алгоритмы машинного обучения (supervised и unsupervised), а также алгоритмы глубокого обучения. Результаты показывают, что гибридные подходы и методы машинного обучения обеспечивают наилучшее обнаружение угроз в реальном времени.