АНСАМБЛЬ АЛГОРИТМІВ КЛАСТЕРИЗАЦІЇ З РІЗНИМИ МЕТРИКАМИ ДЛЯ АНАЛІЗУ МЕРЕЖЕВОГО ТРАФІКУ БАНКУ

Анотація

Актуальність дослідження зумовлена необхідністю підвищення точності аналізу мережевого трафіку банку, представленого гетерогенними даними, що включають логи серверів, мережеві з'єднання, поведінкові дані користувачів і телеметрію трафіку. В умовах зростання обсягів даних і ускладнення структури корпоративних мереж українських банків традиційні методи аналізу втрачають ефективність, роблячи релевантним застосування методів машинного навчання, включаючи ансамблеві алгоритми кластеризації. Сучасні дослідження в цій області зосереджуються на розробці адаптивних методів сегментації, що використовують ймовірнісні моделі та динамічне зважування алгоритмів для підвищення точності розбиття даних. У роботі запропоновано ансамблевий метод КА, що використовує варіації алгоритму K-means з різними метриками відстані. Метод заснований на ймовірнісній моделі, яка враховує латентні класи та динамічно налаштовувані ваги алгоритмів, а для узгодженості розбиття задіяна коасоціативна матриця, що відображає частоту потрапляння пар об'єктів в один кластер. Новизна дослідження полягає в розробці механізму адаптивного зважування алгоритмів ансамблю на основі метрик якості (ARI, NMI), що дозволяє підвищити точність кластеризації мережевого трафіку банку. Запропонований метод компенсує недоліки окремих алгоритмів і враховує особливості різних типів даних (пакети, з'єднання, користувачі, пристрої). Практична значущість роботи підтверджується можливістю застосування методу для аналізу трафіку банківських мереж, виявлення аномалій, оптимізації маршрутизації та підвищення кібербезпеки банківської мережі, а розроблений підхід дозволить враховувати складну структуру даних і адаптуватися до динамічних змін мережевого оточення банку.