Автоматизация построения моделей нормального функционирования: различия между версиями
Новая страница: «{{Карточка_командного_проекта |name=Автоматизация построения моделей нормального функцио…» |
Нет описания правки |
||
| Строка 7: | Строка 7: | ||
|categorize=yes | |categorize=yes | ||
}} | }} | ||
В рамках проекта solidwall.io ведётся разработка | |||
интеллектуального межсетевого экрана для защиты веб-приложений от | |||
компьютерных атак, который использует методы машинного обучения для | |||
построения позитивных моделей защищаемых приложений. Модель приложения | |||
упрощенно представляет собой действия -(Automation of building models of normal functioning of web applications)классы эквивалентности на | |||
множестве HTTP запросов к веб-приложению, которые соответствуют | |||
обращению к одной и той же функции серверной стороны приложения) и | |||
синтаксические модели параметров для выявленных действий. Полнота модели | |||
приложения обеспечивает возможность обнаружения распространённых видов | |||
атак как отклонение запроса или ответа от построенной модели. В рамках | |||
ВКР предлагается решать частные задачи этой общей проблемы, в том числе: | |||
<br/>1 Выявление параметров HTTP запросов, которые влияют на роутинг на | |||
серверной стороне приложения; | |||
<br/>2 Построение классификатора для аномалий - если некий запрос нарушает | |||
модель, необходимо классифицировать этот запрос и отнести к одному из | |||
известных классов атак. | |||
<br/>3 Обнаружение ботов на основе фингерпринтинга реализаций TLS(Automation of building models of normal functioning of web applications)HTTPS) - | |||
научиться отличать браузер от бота на питоне по особенностям работы | |||
Версия от 07:49, 16 октября 2018
| Компания | SolidSoft LLC |
| Учебный семестр | Осень 2018 |
| Учебный курс | ?-й курс |
| Максимальное количество студентов, выбравших проект: ? | |
В рамках проекта solidwall.io ведётся разработка
интеллектуального межсетевого экрана для защиты веб-приложений от
компьютерных атак, который использует методы машинного обучения для
построения позитивных моделей защищаемых приложений. Модель приложения
упрощенно представляет собой действия -(Automation of building models of normal functioning of web applications)классы эквивалентности на
множестве HTTP запросов к веб-приложению, которые соответствуют
обращению к одной и той же функции серверной стороны приложения) и
синтаксические модели параметров для выявленных действий. Полнота модели
приложения обеспечивает возможность обнаружения распространённых видов
атак как отклонение запроса или ответа от построенной модели. В рамках
ВКР предлагается решать частные задачи этой общей проблемы, в том числе:
1 Выявление параметров HTTP запросов, которые влияют на роутинг на
серверной стороне приложения;
2 Построение классификатора для аномалий - если некий запрос нарушает
модель, необходимо классифицировать этот запрос и отнести к одному из
известных классов атак.
3 Обнаружение ботов на основе фингерпринтинга реализаций TLS(Automation of building models of normal functioning of web applications)HTTPS) -
научиться отличать браузер от бота на питоне по особенностям работы