Система виявлення вторгнень у кластері Kubernetes

Abstract

Метою кваліфікаційної роботи є розроблення системи виявлення вторгнень у кластері Kubernetes на основі поєднання сигнатурного аналізу та алгоритмів машинного навчання для підвищення ефективності виявлення мережевих атак. У ході виконання кваліфікаційної роботи проаналізовано архітектуру Kubernetes, особливості мережевої взаємодії контейнеризованих застосунків і сучасні підходи до виявлення вторгнень. Розроблено архітектуру системи, яка забезпечує захоплення мережевого трафіку за допомогою Ksniff, формування файлів PCAP та їх сигнатурний аналіз засобами Snort. Для перетворення пакетного трафіку на двонаправлені мережеві потоки використано Improved CICFlowMeter. Проведено підготовку набору даних Improved CICIDS, очищення та нормалізацію ознак, а також зменшення їх розмірності методом головних компонент. Для класифікації відомих типів атак застосовано алгоритм k-Nearest Neighbors, а для виявлення аномальної та потенційно невідомої активності Isolation Forest. Компоненти інтегровано в єдину систему автоматизованого аналізу мережевого трафіку.