Застосування алгоритмів кластеризації для виявлення підозрілої активності в мережах аграрних підприємств

Abstract

У роботі досліджується застосування алгоритмів кластеризації для виявлення підозрілої активності в комп’ютерних мережах аграрних підприємств. Розглянуто сучасні підходи до аналізу мережевого трафіку та методи машинного навчання, які використовуються для виявлення аномалій у великих масивах даних. Особливу увагу приділено алгоритмам K-means, DBSCAN та ієрархічній кластеризації. Проаналізовано можливості використання мови програмування Python та бібліотек Pandas, NumPy і Scikit-learn для реалізації моделей кластеризації та аналізу мережевого трафіку. Запропонований підхід дозволяє підвищити ефективність виявлення кіберзагроз і забезпечити більш високий рівень інформаційної безпеки аграрних підприємств./This paper investigates the application of clustering algorithms for detecting suspicious activity in computer networks of agricultural enterprises. It considers modern approaches to network traffic analysis and machine learning methods used to detect anomalies in large data sets. Particular attention is paid to the K-means, DBSCAN, and hierarchical clustering algorithms. The possibilities of using the Python programming language and the Pandas, NumPy, and Scikit-learn libraries for implementing clustering models and network traffic analysis are analysed. The proposed approach allows for more effective detection of cyber threats and ensures a higher level of information security for agricultural enterprises.