Как курс по искусственному интеллекту помогает в написании кандидатской на стыке машинного обучения и информационной безопасности?

«Стараюсь курировать студентов, которые хотят строить карьеру в дальнейшем в области машинного обучения. В частности, с одним дипломником писали работу, связанную с детектированием типов пневмонии на датасете снимков рентгенографии грудной клетки (пневмония).» — рассказывает Иван Гусев.

Предлагаем познакомиться с Иваном ближе и узнать больше о его профессиональном пути.

Мне нужно было что-то для начала освоения предметной области. Среди преимуществ перед другими курсами – системность. Университет Иннополис – это вуз, это не одна из однодневных «контор» без реальной опоры на методологию. В целом курсом доволен.

Нормально, почему нет? Нужно постоянно учиться. На курсе мне очень понравились лекции от разных преподавателей, особенно от Ильи Корчагина – в них чувствовался не только опыт, но и вовлеченность в процесс.

Переоценил свои силы. Думал, смогу без проблем вести по 6-8 пар в день 6 дней в неделю, сохраняя при этом работоспособность. Как преодолел сложности? Совмещать интенсивное преподавание (до 8 пар в день) с учебой было крайне тяжело, пришлось жестко оптимизировать тайм-менеджмент. Отдельное спасибо куратору Лилии Каримовой за то, что она тогда предлагала решения, мотивировала меня.
Такой режим – исключение и ни в коем случае не пример для других или призыв для повторения. Планирование – залог качественного достижения цели в обучении.

Темы, связанные с самими моделями машинного обучения (кластеризация, регрессия, деревья решений и т.д.). Да, это базовые темы, но важно, что они были хорошо объяснены.

В первую очередь – это работа с данными, их сбор и анализ. Я почему-то этим пренебрегал и, как в последующем оказалось, зря. В целом, я перестал использовать готовые данные, начал пытаться собирать что-то свое. Для первой статьи, которую уже опубликовали (Scopus IEEE Xplore), я все делал сам:

• собрал два датасета – нормальный трафик и при заражении ВПО** ПК при имитации активности среднестатистического пользователя
• обучил модель на двух состояниях данных
• получил значимый положительный результат

Рассматривал собственный датасет с имитацией деятельности пользователя. В первый раз было очень тяжело, но, в итоге, собрал его с 6-го раза. На фото процесс сбора данных

Первая статья Scopus посвящена обнаружению сетевых вторжений на основе анализа гибридной телеметрии с использованием архитектуры Transformer (архитектура трансформера). В ней я изучал проблему обнаружения сетевых вторжений в условиях целенаправленного изменения метаданных транспортного уровня. В самой работе по итогу мною предложен метод детектирования атак, основанный на использовании ML-архитектуры Transformer (архитектура машинного обучения трансформер). Где потенциально этот метод может применяться в реальности?

• защита объектов критической информационной инфраструктуры (КИИ)
• высоконагруженные облачные платформы
• центры обработки данных
• защита удаленных рабочих мест (преимущественно)

В этом году я планирую также подготовить еще 1–2 научные статьи для рецензируемых изданий уже с прицелом на Web of Science (надеюсь, это получится). Сейчас готовится к публикации статья в ВАК К2 (уже процесс редактирования текста). Кроме того, в настоящий момент я пишу еще одну статью и кандидатскую работу на стыке виртуальной реальности, машинного обучения и информационной безопасности, связанную с детектированием сетевых вторжений. Получается круто – первый прототип уже работает. Тестирую разные подходы:
- гибридные датасеты
- сетевые признаки с телеметрией ОС
- гибридные модели по типу K-Means + CNN (комбинация сверточных нейронных сетей). По этому подходу приняли в печать статью ВАК
- Transformer-LSTM (гибридная архитектура нейронной сети)

Хочу выпуститься успешно. Кандидатскую планирую защитить с практическим уклоном. Думаю, теперь собирать датасет с актуальным ВПО** типа LummaC2 (один из видов вредоносного программного обеспечения). Глобально – мне важно оставить после себя след, что-то полезное.

Нужно понимать в первую очередь – зачем вам это нужно. Без этого никуда. А насчет практик – пытаться. Лучше самому, и без помощи нейронок. Никто не мешает найти дополнительно подходящий материал. Для меня это стали книги С.И. Николенко по машинному обучению. Очень классный автор, который доступно объясняет сложные вещи.

* УлГТУ – Ульяновский государственный технический университет
**ВПО – вредоносное программное обеспечение

Все фото из личного архива Ивана Гусева