Заключение

Работа посвящена научно-методическому обоснованию математической модели обнаружения вторжений и атак в компьютерных системах на основе нейронных сетей, применяемой для построения систем обнаружения вторжений и атак – современного и перспективного средства сетевой защиты, дополняющего уже существующие и давно признанные средства защиты, такие как антивирусные средства и межсетевые экраны. В ходе выполнения работы были получены следующие основные результаты:

1. Рассмотрена классификация сетевых атак для компьютерных систем, проанализирована модель атаки «отказ в обслуживании», при этом получены ее характерные признаки, описываемые математической моделью.

2. Исследованы подходы к выявлению вторжений и атак. Рассмотрены системы обнаружения вторжения и атак, их основные функциональные особенности и технические аспекты. В результате теоретических исследований систем обнаружения атак и моделей атак построен входной вектор для искусственной нейронной сети.

3. Проанализированы методы организации и построения нейронных сетей, их эволюции и обучения. На основании базовых моделей нейронных сетей предложена топология нейронной сети для обнаружения вторжений и атак в компьютерных системах, в виде ядерной организации структуры сети, с соответствующей организацией топологии.

Предложенные методические рекомендации могут быть использованы в подсистемах обнаружения вторжений и атак на информационно-телекоммуникационные системы различного назначения.

Приложение 1

Топологические матрицы

Топологическая матрица первого слоя

Топологическая матрица второго слоя

Топологические матрицы третьего, четвертого и пятого слоя соответственно

Приложение 2

Входное множество

Proto-col ID	Source Port	Destination Port	Source Address	Destination Address	ICMP Type ID	ICMP Code ID	Raw Data	Length Data	Attack
1	2	3	4	5	6	7	8	9	10
1	1052	1053	192.168.1.1	238.16.105.31	1	2	256	1024	1
1	80	1024	192.168.1.1	238.16.105.32	2	1	256	512	0
1	25	1053	192.168.1.1	238.16.105.33	1	1	256	2048	1
1	1666	1053	192.168.1.1	238.16.105.34	1	1	256	512	0
1	1052	1024	192.168.1.1	238.16.105.35	1	1	128	512	1
0	80	1053	192.168.1.1	238.16.105.36	2	2	128	256	0
0	1053	1053	192.168.1.1	238.16.105.37	1	2	256	512	1
0	1024	1024	192.168.1.1	238.16.105.38	2	2	256	512	0
0	1666	1053	192.168.1.1	238.16.105.39	1	2	128	256	0
0	23	1053	192.168.1.1	238.16.105.40	2	1	256	1024	1
0	1052	1024	192.168.1.1	238.16.105.41	1	1	128	1024	1
0	80	1053	192.168.1.1	238.16.105.42	1	2	256	512	0
1	22	1053	192.168.1.1	238.16.105.43	1	2	256	2048	1
1	4666	1024	192.168.1.1	238.16.105.44	2	2	256	1024	1
1	4666	1053	192.168.1.1	238.16.105.45	1	2	128	512	1
1	1053	1053	192.168.1.1	238.16.105.46	1	1	64	2048	0
1	1024	1024	192.168.1.1	2 Продолжение табл. Продолжение табл. 38.16.105.47	2	1	64	512	0
1	4666	1053	192.168.1.1	238.16.105.48	1	1	64	512	0
0	4666	1053	192.168.1.1	238.16.105.49	1	2	256	1024	1
0	1052	1024	192.168.1.1	238.16.105.50	1	1	256	512	1
1	80	1053	192.168.1.1	238.16.105.51	2	2	128	2048	1
1	1052	1053	192.168.1.1	238.16.105.52	2	1	64	512	0
1	80	1024	192.168.1.1	238.16.105.53	2	2	128	512	1
0	25	1053	192.168.1.1	238.16.105.54	2	1	259	256	0
0	1666	1053	192.168.1.1	238.16.105.55	1	1	1024	512	1
0	1052	1024	192.168.1.1	238.16.105.56	1	1	1024	512	0
1	80	1053	192.168.1.1	238.16.105.57	1	2	64	256	1
1	1053	1053	192.168.1.1	238.16.105.58	1	1	256	1024	0
0	1024	1024	192.168.1.1	238.16.105.59	1	1	256	1024	0
1	1666	1053	192.168.1.1	238.16.105.60	1	2	128	512	0
1	23	1053	192.168.1.1	238.16.105.61	2	1	64	2048	1
1	1052	1024	192.168.1.1	238.16.105.62	2	1	256	1024	0
0	80	1053	192.168.1.1	238.16.105.63	2	1	128	512	0
1	22	1053	192.168.1.1	238.16.105.64	2	2	1024	2048	1
0	1024	1024	192.168.1.1	238.16.105.65	2	2	256	512	1
0	1666	1053	192.168.1.1	238.16.105.66	1	2	128	512	0
1	60	1053	192.168.1.1	238.16.105. Продолжение табл. 67	1	2	256	1024	1
0	31	1024	192.168.1.1	238.16.105.68	1	2	256	512	1
0	31	1053	192.168.1.1	238.16.105.69	2	1	128	2048	1
0	25	1053	192.168.1.1	238.16.105.70	2	1	1024	512	0
1	1666	1024	192.168.1.1	238.16.105.71	1	2	64	512	0
1	52	1053	192.168.1.1	238.16.105.72	2	2	256	256	0
0	52	1053	192.168.1.1	238.16.105.73	2	2	256	512	1
1	2531	1024	192.168.1.1	238.16.105.74	1	2	128	512	1
0	1052	1053	192.168.1.1	238.16.105.75	2	1	64	256	1
1	80	1053	192.168.1.1	238.16.105.76	2	2	1024	1024	0
1	21	1024	192.168.1.1	238.16.105.77	1	2	64	1024	1
0	3280	1053	192.168.1.1	238.16.105.78	2	2	128	512	0
1	75	1053	192.168.1.1	238.16.105.79	1	2	256	2048	1
0	1053	1024	192.168.1.1	238.16.105.80	1	1	256	1024	0
1	1024	1053	192.168.1.1	238.16.105.81	2	2	128	512	1
0	25	1053	192.168.1.1	238.16.105.82	2	1	256	2048	0
1	1666	1024	192.168.1.1	238.16.105.83	1	1	128	512	0
0	4666	1053	192.168.1.1	238.16.105.84	2	2	1024	512	0
1	3280	1053	192.168.1.1	238.16.105.85	1	2	1024	1024	0
0	45	1024	192.168.1.1	238.16.105.86	2	2	64	512	1
1	1052	1053	192.168.1.1	238.16.105. Продолжение табл. 87	1	2	256	2048	0
0	80	1053	192.168.1.1	238.16.105.88	2	2	256	512	1
1	3280	1024	192.168.1.1	238.16.105.89	2	1	128	512	0
0	45	1053	192.168.1.1	238.16.105.90	2	2	64	256	1
1	80	1053	192.168.1.1	238.16.105.91	1	1	256	512	0
0	21	1024	192.168.1.1	238.16.105.92	1	1	128	512	1
1	1053	1053	192.168.1.1	238.16.105.93	2	1	64	256	0
0	1024	1053	192.168.1.1	238.16.105.94	2	2	128	1024	1
1	1052	1024	192.168.1.1	238.16.105.95	1	1	1024	1024	0
1	80	1053	192.168.1.1	238.16.105.96	2	2	256	512	1
1	25	1053	192.168.1.1	238.16.105.97	2	1	128	2048	0
0	1666	1024	192.168.1.1	238.16.105.98	1	2	128	1024	1
1	1052	1053	192.168.1.1	238.16.105.99	2	1	256	512	0
1	80	1053	192.168.1.1	238.16.105.100	2	1	256	2048	1
0	1053	1024	192.168.1.1	238.16.105.101	1	1	128	512	0
0	1024	1053	192.168.1.1	238.16.105.102	2	2	64	512	1
0	1666	1053	192.168.1.1	238.16.105.103	2	1	1024	1024	1
1	23	1024	192.168.1.1	238.16.105.104	1	1	64	512	1
1	1052	1053	192.168.1.1	238.16.105.105	2	2	256	2048	0
1	80	1053	192.168.1.1	238.16.105.106	2	1	256	512	1
1	22	1024	192.168.1.1	238.16.105. Продолжение табл. 107	1	1	128	512	1
0	21	1053	192.168.1.1	238.16.105.108	2	1	64	256	0
0	21	1053	192.168.1.1	238.16.105.109	2	2	1024	512	0
1	21	1024	192.168.1.1	238.16.105.110	1	2	128	512	1
1	1052	1053	192.168.1.1	238.16.105.111	2	2	256	256	1
0	80	1053	192.168.1.1	238.16.105.112	1	2	256	1024	0
1	25	1024	192.168.1.1	238.16.105.113	2		128	1024	1
1	1666	1053	192.168.1.1	238.16.105.114	2	1	128	512	1
1	3280	1053	192.168.1.1	238.16.105.115	1	2	1024	2048	1
0	3280	1024	192.168.1.1	238.16.105.116	1	2	64	1024	0
0	1053	1053	192.168.1.1	238.16.105.117	1	2	256	512	0
0	1024	1053	192.168.1.1	238.16.105.118	1	2	256	2048	0
1	45	1024	192.168.1.1	238.16.105.119	1	1	128	512	1
1	3280	1053	192.168.1.1	238.16.105.120	1	1	64	512	1
1	1053	1053	192.168.1.1	238.16.105.121	1	1	256	1024	1
0	1024	1053	192.168.1.1	238.16.105.122	1	2	64	512	0
1	1052	1024	192.168.1.1	238.16.105.123	2	1	128	2048	1
0	80	1053	192.168.1.1	238.16.105.124	2	2	1024	512	0
1	25	1053	192.168.1.1	238.16.105.125	2	1	256	512	1
0	1666	1024	192.168.1.1	238.16.105.126	2	2	128	256	0
1	45	1053	192.168.1.1	238.16.105. Окончание табл. 127	2	1	256	512	1
0	1052	1024	192.168.1.1	238.16.105.128	2	1	256	512	0
0	80	1053	192.168.1.1	238.16.105.129	1	1	128	256	0
0	32	1024	192.168.1.1	238.16.105.130	2	2	256	1024	0

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Anderson D., Frivold T., Valdes, A. Next-generation Intrusion Detection Expert System (NIDES)// A Summary. SRI International Technical Report - 1995. - №45. - С.21 - 64.

2. Carpenter G.A., Grossberg, S.A. Massively Parallel Architecture for a Self-Organizing Neural pattern Recognition Machine// Computer Vision, Graphics and Image Processing – 1987. - №37. - С.54 - 115.

3. Chung M., Puketza N., Olsson R.A., Mukherjee B. Simulating Concurrent Intrusions for Testing Intrusion Detection Systems// Parallelizing in NISSC – 1995.-№1.- С.73-183.

4. Cramer, M. New Methods of Intrusion Detection using Control-Loop Measurement//In Proceedings of the Technology in Information Security Conference (TISC) '95. – 1995. - №3. - С. 1-10.

5. Debar H., Becke M., Siboni, D. A Neural Network Component for an Intrusion Detection System//In Proceedings of the IEEE Computer Society Symposium on Research in Security and Privacy. – 1992. - №4. - С. 34-45.

6. Debar H., Dorizzi B. An Application of a Recurrent Network to an Intrusion Detection System//In Proceedings of the International Joint Conference on Neural Networks. – 1992. -№2. - С. 478-483.

7. Denault M., Gritzalis D., Karagiannis D., Spirakis P. Intrusion Detection: Approach and Performance Issues of the SECURENET System// In Computers and Security. - 1994. -№13. - С. 495-507.

8. Denning Р. An Intrusion-Detection Model// IEEE Transactions on Software Engineering. –1987. -№13. - С.21-66.

9. Kevin L., Henning. R, Rhonda R., Jonathan H. A Neural Network Approach Towards Intrusion Detection. //In Proceedings of the 13th National Computer Security Conference. -1990. - №13. - С. 24 – 65.

10. Frank S., Jeremy D. Artificial Intelligence and Intrusion Detection: Current and Future Directions//In Proceedings of the 17th National Computer Security Conference. – 1994.- №17. - С.18 – 26.

11. Fu L. A Neural Network Model for Learning Rule-Based Systems// In Proceedings of the International Joint Conference on Neural Networks. – 1992. - №1.- С. 343-348.

12. Steven Bellovin. A technique for counting nated hosts. – Marseille, France. – 2002, pages 112–208.

13. George Box, Gwilym Jenkins, and Gregory Reinsel. Timeseries analysis: forecasting and control. – New Jersey: Prentice-Hall , 1994. – 384 с.

14. Helman P., Liepins G. Statistical foundations of audit trail analysis for the detection of computer misuse// IEEE Trans. on Software Engineering. – 1993. - № 19. - С. 886-901.

15. Chen-Mou Cheng, H.T. Kung, and Koan-Sin Tan. Use of spectral analysis in defense against dos attacks. In Proceedings of the IEEE GLOBECOM. - Taipei, Taiwan. – 2002, pages 57–86.

16. Kohonen T. Self-Organizing Maps. - Berlin: Springer, 1995. – 345с.

17. David Moore, Geoffrey Voelker, and Stefan Savage. Inferring Internet denial of service activity. – Washington: Security Managers, 2001, pages 35–64.

18. Kumar S., Spafford E. A Software Architecture to Support Misuse Intrusion Detection// Department of Computer Sciences. – 1995. - №2. - С. 34 - 45.

19. Lunt T.F. Real-Time Intrusion Detection// Computer Security Journal. – 1989. - №1.- С. 9-14.

20. Mukherjee B., Heberlein L.T., Levitt K.N. Network Intrusion Detection// IEEE Network. – 1994. - № 5 - С. 28-42.

21. McCulloch W. W., Pitts W. A logical calculus of the ideas imminent in nervous activiti. Bulletin of Mathematical Biophysics, 1943 (Русский перевод: Маккаллок У. С., Питтс У. Логическое исчисление идей, относящихся к нервной деятельности. Автоматы. – М.: ИЛ. – 1956, С. 28-42 )

22. Porras P., Neumann P. Event Monitoring Enabling Responses to Anomalous Live Disturbances// In Proceedings of the 20th NISSC. – 1997. - №2. - С. 34 - 45

23. Vern Paxson. An analysis of using reflectors for distributed denial-of-service attacks.// ACM Computer Communications Review (CCR). – 2001. - № 31(3). - С. 34 - 45.

24. Ryan J., Lin M., Miikkulainen R. Intrusion Detection with Neural Networks// AI Approaches to Fraud Detection and Risk Management. – 1997. - № 5. - С. 72-79.

25. Sebring M., Shellhouse E., Hanna M., Whitehurst R. Expert Systems in Intrusion Detection//In Proceedings of the 11th National Computer Security Conference. – 1988. - № 19. - С. 886-901.

26. Staniford-Chen S. Using Thumbprints to Trace Intruders. – New York: UC Davis, 1995. – 260с.

27. Tan K. The Application of Neural Networks to UNIX Computer Security// In Proceedings of the IEEE International Conference on Neural Networks. – 1995. - №1. - С. 476 - 481.

28. Tan K., Collie B.S. Detection and Classification of TCP/IP Network Services.// In Proceedings of the Computer Security Applications Conference. – 1997. - № 5. - С. 99-107.

29. White G.B., Fisch E.A., Pooch U.W. A Peer-Based Intrusion Detection System. IEEE Network. – Washington: Security Managers, 1996. - 380с.

30. Payer R. The future of Intrusion Detection Systems// Computer Security Journal. – 2002. - №14. – С. 21- 53.

31. Burr, D. J. Experiments with a connectionist text reader. In Proceedings of the First International on Neural Networks, eds. M. Caudill and C. Butler, vol. 4. - San Diego: SOS Printing, 2003. – 250 с.

32. Cottrell, G. W., Munro P., and Zipser D. Image compressions by backpropagation: An example of extensional programming. Advaces in cognitive science (vol.3). – Norwood: Ablex, 2000. – 156 с.

33. Gallant S. I. Connectionist expert system. Communications of the ACM - New York: UC Davis, – 1995. – 168с.

34. Minsky M., and Papert S. Perseptrons. - Cambridge: MIT Press, 1990.- 160 с. (Русский перевод: Минский М. Л., Пейперт С. Персептроны. –М. Мир. – 1995. 180 с.)

35. Parker, D. В. Learning-logic. Invention Report, – Washington: Security Managers, 1996. - 100с.

36. Rumelhart D. E., Hinton G. E., and Williams R. J. Learning internal representations by error propagation. In Parallel distributed processing, vol. 1, -. Cambridg: MIT Press, 1998. - 318 с.

37. Sejnowski T. J. and Rosenberg C. R. Parallel Networks that learn to pronounce English text. - New York: UC Davis, 1985. – 138с.

38. Werbos P. J. Beyond regression: New tools for prediction and analysis in the behavioral sciences. - Harvard: Harvard University, 2000. – 154 с.

39. Grossberg S. Contour enhancement, short-term memory, and consistencies in reverberating neural networks. - Norwood: Ablex, 1973. – 156 с.

40. Hebb D. Organization of behavior. - New York: Science Edition, 1961. – 200 с.

41. Kohonen T. Self-organization and associative memory. Series in Information Sciences, vol. 8. - Berlin: Springer Verlag, 1984. – 256 с.

42. Rosenblatt F. Principles of neurodynamics. - New York: Spartan Books, 1991. – 158 с (Русский перевод: Розенблатт Ф. Принципы нейродинамики. – М.: Мир., 1995. – 216 с.)

43. Widrow В. Adaptive sampled-data systems, a statistical theory of adaptation. - New York: Institute of Radio Engineer, 1989. – 254 с.

44. Widrow В., Hoff М. Adaptive switching circuits. - New York: Institute of Radio Engineers, 1960. – 256 с.

45. Minsky M. L, Papert S. Perseptrons. - Cambridge: MIT Press, 1991. 136 с. (Русский перевод: Минский М. Л., Пейперт С. Персептроны. – М.: Мир. – 1991. – 200 с.)

46. Pitts W. Moculloch W. W. How we know universals. - Cambridge: MIT Press, 1988. - 160 с.

47. Rosenblatt F. Principles of Neurodinamics. - New York: Spartan Books, 1992. - 268 с. (Русский перевод: Розенблатт Ф. Принципы нейродинамики. – М.: Мир. – 1995. – 288 с.)

48. Widrow В. The speed of adaptation in adaptive control system. - American Rocket Society Guidance Control and Navigation Conference, 1991.

49. Widrow B. A statistical theory of adaptation. Adaptive control systems. - New York: Pergamon Press, 1963. – 186 с.

50. Widrow В., Angell J. B. Reliable, trainable networks for computing and control. - New York: Aerospace Engineering, 1965. – 250 с.

51. Widrow В., Hoff M. E. Adaptive switching circuits. - New York: Institute of Radio Engineers, 1969. – 164 с.

52. Almeida L. B. Neural computaters. Proceedings of NATO ARW on Neural Computers, Dusseldorf. - Heidelberg: Springer-Verlag, 1997. – 152 с.

53. Burr D. J. Experiments with a connecnionlist text reader. In Proceedings of the IEEE First International Conferense on Neural Networks - San Diego: SOS Printing, 1997. – 266 с.

54. Cottrell G. W., Munro P., Zipser D. Image compression by backpropagation: An example of extensional programming. - San Diego: University of California, 1997. – 154 с.

55. Parker D.  Learning logic. – Stanford: Stanford University» 1989.- 86 с.

56. Parker D.  Second order back propagation: Implementing an optimal approximation to Newton's method as an artificial newral network. - Stanford: Stanford University, 1991.- 86 с.

57. Pineda F. J. Generalization of backpropagation to recurrent and higher order networks. In Newral information processing systems. - New York: American Institute of Phisycs, 1988. – 258 с.

58. Rumelhart D. E., Hinton G. E., Williams R. J. Learning internal reprentations by error propagation. - Cambridge: MIT Press, 1991. – 318 с.

59. Sejnowski T. J., Rosenberg C. R. Parallel networks that learn to pronounce. - Complex Systems, 1990. – 168 с.

60. Stornetta W. S., Huberman B. A. An improwed three-layer, backpropagation algorithm. - San Diego: SOS Printing, 1989. – 264 с.

61. Wasserman P. D. Combined backpropagation. Cauchy machine. Proceedings of the International Newral Network Society. - New York: Pergamon Press, 2003. - 286 с.

62. Wasserman P. D. 1988b. Experiments in translating Chinese characters using backpropagation. Proceedings of the Thirty-Third IEEE Computer Society International Conference. - Washington: Computer Society Press of the IEEE, 2001. – 168 с.

63. Werbos P. J. Beyond regression: New tools for prediction and analysis in the behavioral sciences. – Harward: Harward University, 1988. – 216 с.

64. DeSieno D. Adding a conscience to competitive learning Proceedings of the IEEE International Conference on Neural Networks. - San Diego: SOS Printing, 1989. – 354 с.

65. Qrossberg S. Some networks that can learn, remember and reproduce any number of complicated space-time patterns. // Journal of Mathematics and Mechanics. – 1982. - №14. – С. 53-91.

66. Grossberg S. Embedding fields: Underlying philosophy, mathematics, and applications of psyho-logy, phisiology, and anatomy. //Journal of Cybernetics – 1971. - № 4. – С. 35-49.

67. Grossberg S. Studies of mind and brain.- Boston: Reidel, 1995. – 354 с.

68. Hecht-Nielsen R. Counterpropagation networks. In Proceedings of the IEEE First International Conference on Newral Networks, eds. M. Caudill and C. Butler, vol. 2. - San Diego: SOS Printing, 1988. - 268 с.

69. Hecht-Nielsen R. Counterpropagation networks. - San Diego: SOS Printing, 1990. - 160 с.

70. Hecht-Nielsen R. Applications of Counterpropagation networks. - San Diego: SOS Printing, 1993. - 356 с.

71. Randolph W. Neural Networks. – New York: Security Managers, 1999. – 530 с.

72. Kohonen Т. Self-organization and associative memory. 2d ed. - New-York: Springer-Verlag, 1995. – 162 с.

73. Гвозденко А. Искусственные иммунные системы как средство сетевой самозащиты/ А. Гвозденко. – М.: Вектор, 2005. – 368 с.

74. Галушкин А.. Нейрокомпьютеры и их применение/ А.Галушкин. – М.: Горячая Линия - Телеком, 2002. - 448с.

75. Круглов В. Нечетная логика и искусственные нейронные сети/ В.Круглов. – М.: Горячая Линия - Телеком, 2004. - 410с.

76. Ланкин Ю. Реализация нейросетей с фиксированной структурой на аналоговой элементной базе/ Ю.Ланкин. - Красноярск: Институт биофизики СО РАН, 1994.- 23с.

77. Горбань А.Н. Нейроинформатика/ А.Н.Горбань. – М.: Приор, 2003. - 450с.

78. Горбань А.Н. Сборник научных трудов "Методы нейроинформатики"/ А.Н.Горбань. – М.: Тензор, 2003. – 358 с.

79. Дорогов А., Алексеев А. Структурные модели и топологическое проектирование быстрых нейронных сетей/ А.Дорогов, А.Алексеев. – М.: Горячая Линия - Телеком, 2001. – 320с.

80. Кибяков П.П. Мир нейронных сетей и агенты-двойники/ П.П.Кибяков. - М.: Вектор, 2005. – 168 с.

81. Хайкин С. Нейронные сети: полный курс, 2-е изд./ С. Хайкин; пер. с англ. - М.: ИД Вильямс, 2006. - 1104с.

82. Калан Р. Основные концепции нейронных сетей/ Р.Калан; пер. с англ. - М.: ИД Вильямс, 2001. – 288 с.

83. Максимов Н.В. Технические средства информатизации/ Н.В.Максимов. – М.: Форум, 2005. – С. 126-131 с.

84. Лукацкий А.В. Безопасность сети банка глазами специалистов/ А.В. Лукацкий // Аналитический банковский журнал. - 1999. - №1-2. - С. 104-106 c.

85. Лукацкий А.В. Обнаружение атак/ А.В.Лукацкий. - СПб.: БХВ-Петербург, 2003. – 608 с.

86. Медведовский И.Д. Атака через Internet/ И.Д.Медведовский, П.В.Семьянов, В.В.Платонов. – М.: Солон-Р, 2002. – 368 с.

87. Гмурман В.Е. Теория вероятностей и математическая статистика: учеб. пособие для вузов, 7-е изд./ В.Е.Гмурман. – М.: Высш. шк., 2001. – 480с.

88. Приходько А.Я. Словарь-справочник по информационной безопасности/ А.Я. Приходько. - М.: СИНТЕГ, 2001. - 124 с.

89. Мельников В.П. Информационная безопасность и защита информации/ В.П.Мельников, С.А.Клейменов, А.М.Петраков - M.: Академия – 2006. - 331 с.

90. Карпачев И. И. Классификация компьютерных систем управления предприятием/ И.И. Карпачев //АКДИ Экономика и жизнь. - 1999. - № 2. - С. 8-29.

91. Александрович А.Е. Проектирование высоконадежных информационно-вычислительных систем/ А.Е. Александрович, Ю.В. Бородакий, В.О. Чуканов. - М.: Радио и связь, 2004. – 318 с.

92. Касперски К. Техника сетевых атак/ К.Касперски. - М.: Солон – 2001. - 396 с.

93. Джоел Скембрей, Стюарт Мак-Клар. Секреты хакеров. Безопасность Microsoft Windows Server 2003 — готовые решения/ Скембрей Джоел, Мак-Клар Стюарт. – М.: Вильямс, 2004. - 512 с.

94. Колесников О. Linux: создание виртуальных частных сетей (VPN) / О.Колесников, Брайан Хатч; пер. с англ. – М.: ИД КУДИЦ-ОБРАЗ, 2004. - 464 с.

95. Щеглов А.Ю. Защита компьютерной информации от несанкционированного доступа/ А.Ю.Щеглов. – СПб.: Наука и техника, 2004. - 384 с.

96. Зима В.М. Безопасность глобальных сетевых технологий/ В.М.Зима, А.А.Молдовян, Н.А. Молдовян. - СПб.: БХВ-Петербург, 2003. - 368 с.

97. Методические рекомендации по расчету стоимости работ при проведении специальных экспертиз предприятий, учреждений и организаций – соискателей лицензии на осуществление мероприятий и/или оказание услуг по защите государственной тайны в части технической защиты информации. Р. 36-84-30.

98. Компания Cisco Systems. http://www. cisco.com

99. Stergiou C.,Siganos D. Neural networks. http://www.doc.ic.ac.uk/~nd/surprise_96/journal/vol4/cs11/report.html

100. Алексей Гвозденко http://www.itc.ua/print.phtml?ID=4270

101. Лукацкий А. Системы обнаружения атак. Взгляд изнутри. http://vbgid.fatal.ru/arh/hack/02/366.html

102. David Dittirch. Distributed denial of service (DDoS) Attacks/tools. http://staff.washington.edu/dittrich/misc/ddos

Учебное издание

Остапенко Григорий Александрович

Радько Николай Михайлович

Мешкова Алла Федоровна

НЕЙРОННЫЕ МОДЕЛИ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ И АТАК НА КОМПЬЮТЕРНЫЕ СЕТИ

В авторской редакции

Компьютерный набор Г.Н. Симонова

Подписано к изданию 21.05.2007

Уч.-изд. л. 5,6.

ГОУВПО «Воронежский государственный технический университет»