moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 510 ПРИМЕНЕНИЕ СЕТИ FUZZY ARTMAP В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ОБНАРУЖЕНИЯ ВТОРЖЕНИЙ APPLICATION OF FUZZY ARTMAP NETWORK IN INTELLIGENT SYSTEMS OF INVASION DETECTION Каширина Ирина Леонидовна Kashirina Irina Leonidovna kash.irina@mail.ru aff-1 Федутинов Константин Александрович Fedutinov Konstantin Leksandrovich aff-2 Воронежский государственный университет Voronezh State University Воронежский государственный университет Voronezh State University 01 01 2026 1 1 e510 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

В статье рассмотрены вопросы организации интеллектуальных систем обнаружения и диагностики вторжений. Исследования в области разработки инструментов обеспечения информационной безопасности показывают, что на сегодняшний день наиболее перспективные и гибкие решения базируются на методах машинного обучения, позволяющих предотвратить ущерб от вторжений, не замеченных стандартными средствами борьбы с компьютерными атаками. В предлагаемом подходе предлагается использовать последовательный обратный поиск с возвращением для отбора значимых признаков и нейронную сеть Fuzzy АRТMAP для обнаружения и диагностики атак. Сеть Fuzzy АRТMAP способна адаптироваться к динамике компьютерных атак и позволяет распознавать вторжения в информационные систему в режиме реального времени, при этом не нужно подгружать наборы данных пакетно. Это дает возможность автоматизировать анализ протоколов безопасности в непрерывном режиме. Широкие возможности использования сетей семейства ART в задачах обнаружения вторжений позволяют считать актуальным поиск подходов, позволяющих улучшить их эксплуатационные характеристики. В данной статье управляющие гиперпараметры для сети Fuzzy АRТMAP предлагается настраивать в автоматическом режиме с использованием генетического алгоритма. По результатам вычислительного эксперимента редуцированный набор признаков уменьшает время вычислений на 41%. Точность алгоритма классификации составила 100% и 99,89% для стадии обнаружения и стадии диагностики соответственно.

The article deals with the organization of intelligent intrusion detection and detection systems. Research in the field of development of information security tools shows that today the most promising and flexible solutions are based on machine learning methods that can prevent damage from intrusions that were not noticed by standard means of combating computer attacks. In the proposed approach, it is proposed to use a sequential reverse search with a return to select significant features and the Fuzzy neural network ARTMAP to detect and diagnose attacks. Network Fuzzy АRTMAP is able to adapt to the dynamics of computer attacks and allows you to recognize intrusions in the information system in real time, without the need to load datasets in batches. This makes it possible to automate the analysis of safety protocols in a continuous mode. The extensive use of ART family networks in intrusion detection tasks makes it possible to consider the search for approaches that improve their performance. In this paper, the control hyperparameters network Fuzzy ARTMAP proposed to adjust automatically with the use of a genetic algorithm According to the results of the computational experiment, the reduced set of characteristics reduces the computation time by 21%. The accuracy of the classification algorithm was 100% and 99.89% for the detection stage and the diagnostic stage, respectively

 нейронная сеть fuzzy artmap генетический алгоритм обнаружение вторжений интеллектуальные системы защиты информации neural network fuzzy artmap genetic algorithm intrusion detection intelligent information security systems Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Denning, Dorothy E. An Intrusion Detection Model// Proceedings of the Seventh IEEE Symposium on Security and Privacy, 1986, pp. 119—131 Нестерук Г.Ф. Информационная безопасность и интеллектуальные средства защиты информационных ресурсов / Г.Ф. Нестерук, Л.Г. Осовецкий, А.Ф. Харченко.– СПб.: Изд-во СПбГУЭФ, 2003 Нестерук Ф. Г. Инструментальные средства создания нейросетевых компонент интеллектуальных систем защиты информации/ Ф. Г. Нестерук, И. В. Котенко// Труды СПИИРАН. 2013 Вып. 26. C. 7–25 Carpenter, G.A. & Grossberg, S. (2003), Adaptive Resonance Theory, In Michael A. Arbib (Ed.), The Handbook of Brain Theory and Neural Networks, Second Edition (pp. 87-90). Cambridge, MA: MIT Press Carpenter G.A., Grossberg S., Reynolds J.H. ARTMAP: Supervised realtime learning and classification of nonstationary data by a self-organizing neural network // Neural Networks. – 1991. – № 4. – Р. 565-588. Carpenter G.A., Grossberg S., Markuzon N., Reynolds J.H., Rosen D.B. Fuzzy ARTMAP: An adaptive resonance architecture for incremental learning of analog maps. // Proc. of the Int. Joint Conf. on Neural Network. 1992 Каширина И.Л. Нейросетевое моделирование формирования кластерной структуры на основе сетей ART/ Каширина И.Л., Львович Я.Е., Сорокин С.О.// Информационные технологии. 2017. Т. 23. № 3. С. 228-232 Каширина И.Л. Кластеризация непрерывного потока данных на основе обобщенной модели нейронной сети семейства ART/ И.Л. Каширина, К.А. Федутинов //Системы управления и информационные технологии. - 2018. Т. 71. № 1. С. 33-39. Каширина И. Л. Эволюционное моделирование: учебное пособие/ И. Л. Каширина. -Воронеж: ИПЦ ВГУ, 2011. -60 с. KDD Cup 1999 Data [Электронный ресурс] URL: http://kdd.ics.uci.edu/databases/kddcup99/kddcup99.html (дата обращения: 10.08.2018)

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