AMEA İnformasiya Texnologiyaları İnstitutunun 2 saylı şöbəsinin “Bulud infrastrukturunda performans anomaliyalarının real zamanda aşkarlanması modeli” mövzusuna həsr olunmuş növbəti elmi seminar keçirildi.
Məruzəni təqdim edən institutun aparıcı elmi işçisi, texnika üzrə fəlsəfə doktoru, dosent Fərqanə Abdullayeva mövzunun aktuallığını qeyd edərək bulud infrastrukturunun təhlükəsizliyini təmin etmək üçün bu infrastrukturun aparat təminatı, sistemlərin vəziyyəti və proqram təminatlarının yerinə yetirilməsində baş verə bilən performans anomaliyalarının aşkarlanmasının vacib məsələlərdən olduğunu diqqətə çatdırdı. Bulud sisteminin istifadəçilərə sorğu əsasında elastik resurslar təqdim etdiyini söyləyən məruzəçi bu sistemlərə istənilən qurğu vasitəsilə daxil olmağın mümkünlüyünü və açıq şəbəkələrdən istifadə etməsini bulud mühitini müxtəlif tipli kiber-hücumların təsirinə məruz qoyduğunu qeyd etdi.
F.Abdullayeva bulud mühitində informasiya təhlükəsizliyi hücumlarının reallaşmasının sistemin yaddaş, prosessor resurslarında anomal davranış yaratdığını söylədi, bulud sistemində anomal davranışı real zamanda aşkarlamaq üçün resurs sərfiyyatının vəziyyətinin qiymətləndirilməsinin zəruri olduğunu vurğuladı: “Bu qiymətləndirmənin zaman sıraları ilə təsvir edilmiş server kriteriyalarını izləməklə təmin edilməsi məqsədəuyğundur”.
Bu sistemlərin generasiya etdiyi böyük həcmdə verilənlər sinfinin nişanlanması prosesinin böyük xərc və vaxt tələb etdiyini bildirən məruzəçi bu məsələnin həllində anomaliyaların nişanlanmamış verilənlər əsasında müəllimsiz aşkarlanması yanaşmasının qənaətbəxş olduğunu vurğuladı.
“Klassifikatorlar ansamblı ideyasına əsaslanan model Bayes klassifikatorları və qərar ağacları kimi məşhur klassifikator siniflərinə daxil olan alqoritmlərin əsasında qurulmuşdur”, – deyə bildirən F.Abdullayeva modeldə çoxsaylı klassifikatorların istifadə edilməsində məqsədin modelin anomaliyaları aşkarlama dəqiqliyini yüksəltmək olduğunu bildirdi.
F.Abdullayeva təklif edilən modelin effektivliyinin qiymətləndirilməsinin “Google cluster trace” və “Yahoo!S5” açıq bulud verilənlər bazaları üzərində aparıldığını və aşkarlama dəqiqliyinin bir sıra metrikalar əsasında qiymətləndirildiyini vurğuladı.
Sonda məruzəçi qeyd etdi ki, bu modelin eksperimental yoxlanması nəticəsində yüksək nəticələr əldə olunmuş, modelin mövcud verilənlər bazaları üzərində test olunması zamanı onun anomaliyaları aşkarlama dəqiqliyi 99 faiz, kənaraçıxmalar isə ümumi verilənlərin 0.70 faizini təşkil etmişdir.
Məruzə ətrafında müzakirələr aparıldı, suallar cavablandırıldı.
© Bütün hüquqlar qorunur. Xəbərlərdən istifadə edərkən www.iсt.az saytına istinad zəruridir.
