ПОДХОД К АНАЛИЗУ ТРАФИКА СЕТИ ДАРКНЕТ НА ОСНОВЕ ГРАФОВЫХ НЕЙРОННЫХ СЕТЕЙ

Резюме: Доступ к сети даркнет осуществляется через специальные технологии, обеспечивающие анонимность и конфиденциальность пользователей. Помимо доступа к легитимным ресурсам, такие инструменты могут применяться для незаконных целей, таких как продажа данных, оружия и запрещенных веществ. Следовательно, анализ трафика даркнета в целом, а также обнаружение и классификация скрытых сервисов в частности, имеют важное значение для борьбы с потенциальными угрозами безопасности. Наиболее перспективным инструментом для автоматизированного мониторинга данных сетевого трафика является технология искусственного интеллекта. В данном исследовании предложен подход к анализу трафика сети даркнет на основе графовых нейронных сетей. Такой тип глубокого обучения позволит рассмотреть как структурные, так и причинно-следственные взаимосвязи между сетевыми событиями. Проведен сравнительный анализ ряда моделей графовых нейронных сетей на наборе данных трафика сети даркнет.

Ключевые слова: Даркнет; Информационная безопасность; Графовые нейронные сети; Интеллектуальный анализ данных.

D.A. Levshun

APPROACH FOR DARKNET TRAFFIC ANALYSYS BASED ON GRAPH NEURAL NETWORKS

Summary: Access to the Darknet is carried out through special technologies that provide anonymity and confidentiality of users. In addition to access to legitimate resources, such tools can be used for illegal purposes, such as the sale of data, weapons and prohibited substances. Therefore, the analysis of the Darknet traffic, as well as the detection and classification of hidden services are important for preventing potential security threats. The most promising tool for automated monitoring of network traffic data is artificial intelligence technology. This study proposes an approach for darknet traffic analysis based on graph neural networks. This type of deep learning considers both structural and causal relationships between network events. A comparative analysis of several models of graph neural networks at the dataset of Darknet traffic is presented.

Keywords: Darknet; Information security; Graph neural networks; Data mining.

DOI: 10.34219/2078-8320-2024-15-102-108