Использование машинного обучения для обнаружения вредоносного трафика

Abstract

В статье описывается возможность применения машинного обучения к анализу данных сетевого трафика с целью классификации транзакций сетевого трафика по описанным классам. Автором был применен алгоритм случайного леса для реализации процесса классификации. Коэффициент ошибок алгоритма на 1000 деревьев составил 74,5%.

This article describes the possibility of applying machine learning to the analysis of network traffic data in order to classify network traffic transactions into the described classes. The author has applied a random forest algorithm to implement the classification process. The algorithm error rate per 1000 trees was 74.5%.