МЕТОД РОЗПОДІЛЕНОГО МОНІТОРИНГУ ТЕЛЕКОМУНІКАЦІЙНИХ МЕРЕЖ НА ОСНОВІ АГЕНТНОГО ПІДХОДУ
DOI: 10.31673/2786-8362.2024.022709
Анотація
Метою статті є розробка методу розподіленого моніторингу інформаційнотелекомунікаційних мереж (ІТКМ), який базується на агентно-орієнтованому підході та реалізує
поетапне виявлення аномальних ситуацій у мережах. У статті розглядається актуальна проблема
забезпечення надійності та функціональної безпеки елементів сучасних мережевих інфраструктур.
Особливу увагу приділено гетерогенним мережам загального та спеціального призначення, які
характеризуються неоднорідністю у використанні різних мережевих технологій, засобів захисту
інформації та програмно-апаратних рішень.
Запропонований підхід базується на принципах децентралізації та багаторівневості
моніторингу. Рішення спрямоване на подолання складнощів, які виникають через розподіленість
мережевих ресурсів, варіативність характеристик мережевого трафіку та неоднорідність елементів
ІТКМ. Стаття акцентує увагу на необхідності створення підсистем моніторингу, здатних
враховувати гетерогенність і різнорідність елементів мережі, а також забезпечувати безперервність
роботи критично важливих вузлів.
Автори пропонують використання інтелектуальних агентів для відстеження функціонального
стану мережевих елементів та виявлення аномалій. Перший етап моніторингу передбачає виявлення
порушень на локальному рівні, тоді як наступні етапи уточнюють ступінь та тип порушення. Такий
підхід дозволяє підвищити надійність функціонування ІТКМ, скоротити час реагування на критичні
ситуації та знизити обсяги циркуляції даних у мережі, що є важливим фактором для розподілених
мереж з обмеженими ресурсами.
Ключові слова: інформаційна мережа, підсистема моніторингу, передача інформації,
гетерогенні мережі, інтелектуальні агенти
Список використаної літератури:
1. A Software Deep Packet Inspection System for Network Traffic Analysis and Anomaly
Detection / W. Song et al. Sensors. 2020. Vol. 20, no. 6. P. 1637. URL:
https://doi.org/10.3390/s20061637.
2. IMPROVING THE QUALITY OF HETEROGENEOUS TELECOMMUNICATION
NETWORKS WITH THE HELP OF FORECAST-BASED RESOURCE ALLOCATION.
Telecommunication and Information Technologies. 2024. Vol. 82, no. 1. URL:
https://doi.org/10.31673/2412-4338.2024.018894.
3. Machine Learning in Network Anomaly Detection: A Survey / S. Wang et al. IEEE Access.
2021. Vol. 9. P. 152379–152396. URL: https://doi.org/10.1109/access.2021.3126834.
4. Trace-Ability and Security Detection of Container Image Based on Inheritance Graph, Y.
Zheng, W. Dong and J. Zhao et al. IEEE Access. 2021 IEEE 5th International Conference on
Cryptography, Security and Privacy (CSP), Zhuhai, China, 2021, pp. 186-192, URL:
https://doi.org/10.1109/CSP51677.2021.9357496.
5. Cучасні технології безпроводового доступу в телекомунікаційних системах / Стелюк,
Б.Б., Костенко В.В., Семененко О.А. Міжнародна наукова конференція «Інноваційні технології,
моделі управління кібербезпекою ITMK-2021» 14-16 квітня 2021. Збірник тез, Дніпро, 2021, с.
13
6. Підвищення ефективності гетерогенних телекомунікаційних мереж / Васильківський
М.В., Чанхао Ю. (2019) (Doctoral dissertation, ВНТУ) с. 74-79.
7. Report to the Nations on Occupational Fraud and Abuse. URL:
https://www.acfe.com/rttn/docs/ 2014-report-to-nations.pdf
8. Probabilistic Graphical Models: Principles and Techniques. The MIT Press, 2009. p. 1231. Nir
Friedman D. K.
9. Detection of abrupt changes: Theory and application. Englewood Cliffs, N.J : Prentice Hall,
1993. P. 528. Basseville M.
10. Paradigms for Mobile Agent-Based Active Monitoring of Network Systems
https://ajanta.cs.umn.edu/papers/monitoring-paradigms.pdf.
11. "Multi-Agent Systems: An Introduction to Distributed Artificial Intelligence"/ Jacques
Ferber. Addison-Wesley, 1999
