Тип публикации: статья из журнала
Год издания: 2024
Ключевые слова: поведенческий анализ, машинное обучение, глубокое обучение, аномалии, кибербезопасность, анализ данных, lstm, ueba
Аннотация: В статье представлен обзор методов обнаружения инсайдерских угроз на основе анализа поведения пользователей. Основное внимание уделено ключевым подходам, таким как машинное и глубокое обучение, применяемым для идентификации аномальной активности сотрудников. Проводится подробный анализ моделей, включая рекуррентные нейронные сети сПоказать полностьюдолгой краткосрочной памятью (LSTM), автоэнкодеры, изолирующий лес (Isolation Forest), а также гибридные методы, сочетающие статистический и последовательный анализ. Представлены результаты экспериментов на реальных и синтетических данных, подтверждающие эффективность рассмотренных методов в улучшении точности обнаружения и снижении уровня ложных тревог.
Журнал: Научные высказывания
Выпуск журнала: № 21
Номера страниц: 23-27
ISSN журнала: 27823121
Место издания: Москва
Издатель: Румянцев Антон Алексеевич