Система виявлення аномалій у доступі до даних у хмарних СУБД на основі поведінкової аналітики

Анотація

У статті розглянуто проблему забезпечення безпеки доступу до даних у хмарних системах управління базами даних в умовах динамічної поведінки користувачів та зростання складності сучасних інформаційних систем. Обґрунтовано доцільність використання поведінкової аналітики як основи для виявлення неочевидних загроз, зокрема внутрішніх зловживань і компрометації облікових записів, які не можуть бути ефективно ідентифіковані традиційними механізмами контролю доступу. Запропоновано архітектуру системи виявлення аномалій, що включає модулі збору подій доступу, профілювання поведінки користувачів, аналізу відхилень та реагування на виявлені загрози. Сформовано модель поведінки користувача на основі агрегованих ознак доступу до хмарної СУБД, зокрема часових характеристик, частоти та типів SQL-запитів, мережевих і геолокаційних параметрів. Для виявлення аномалій застосовано нейронний автоенкодер, який дозволяє визначати відхилення від нормального простору поведінки за величиною помилки реконструкції. Наведено математичне представлення моделі та обґрунтовано вибір порогового значення для класифікації поведінкових сесій. Проведено експериментальну перевірку ефективності запропонованого підходу та порівняльний аналіз із класичними методами, що підтвердило його переваги за показниками точності, повноти та адаптивності. Показано практичну придатність системи для використання у хмарних і мультиорендних середовищах, а також окреслено перспективи подальших досліджень, пов’язані з потоковим навчанням, масштабуванням і інтеграцією з системами управління інцидентами інформаційної безпеки