Упростить задачу обеспечения информационной безопасности можно за счет применения технологии интеллектуального анализа данных. Данная технология может быть использована для прогнозирования атак на информационную систему. Дерево решений – один из эффективных инструментов построения прогностических моделей. Orange – аналитическая система, в которой содержится большое число алгоритмов интеллектуального анализа данных, включая дерево решений. Средствами указанной системы выполнен анализ реальных данных о сетевых атаках, полученных в ходе экспериментального исследования, с целью прогнозирования DDoS-атак. Для оценки качества работы использовались пять метрик: правильность, специфичность, точность, полнота и F-мера. Итоги проведенного анализа представлены в табличном виде. Полученные результаты были сравнены с прогнозами, созданными iWizard-E – интеллектуальной системой поддержки принятия решений, использующей модифицированный алгоритм дерева решений. iWizard-E превосходит Orange по первым трем метрикам, но уступает по последним двум. Реализации указанного алгоритма в системах Orange и iWizard-E не могут быть применены для проведения анализа данных вышеприведенного вида, поскольку формируют прогнозы, обладающие низкой достоверностью. Необходимо провести усовершенствование дерева решений, направленное на повышение качества генерируемых прогностических моделей в разрезе увеличения значений метрики «полнота».
To simplify the task of ensuring information security is possible through data mining usage. This technology can be used to predict attacks on the information systems. Decision tree is one of the effective tools for predictive models building. Orange is an analytical system that contains a large number of data mining algorithms, including a decision tree. With help of the system made an analysis of real data on network attacks obtained during the experimental study, with the aim of predicting DDoS attacks. Five metrics were used to assess the quality of work: accuracy, specificity, precision, recall and F-measure. The results of the analysis are presented in tabular form. The results were compared with the forecasts created by iWizardE, an intelligent decision support system using a modified decision tree algorithm. iWizard-E surpasses Orange in the first three metrics, but inferior in the last two. The implementation of this algorithm in the Orange and iWizard-E systems cannot be applied to analyze the data of the above type, since they form forecasts with low reliability. It is necessary to improve the decision tree aimed at improving the quality of the generated prognostic models in the context of increasing the values of the “completeness” metric.
The authors declare that there are no conflicts of interest present.