Онтологічний підхід в системі забезпечення безпеки використання IP-телефонії
DOI:
https://doi.org/10.31649/1681-7893-2024-47-1-240-252Ключові слова:
IP-телефонія, VoIP, онтологія, захист інформації, SpeechRecognitionАнотація
У сучасному інформаційному світі використанням VoIP стає привабливим варіантом для спілкування користувачів. Враховуючи тенденцію зниження оплати за базові широкосмугові послуги та швидке зростання швидкості Інтернету, використання VoIP має лише набирати популярності. Однак у міру збільшення використання VoIP зростають і потенційні загрози для звичайних користувачі. У роботі розглянуто особливості організації корпоративної системи VoIP телефонії, виділено основні проблеми в системі захисту інформації в VoIP телефонії, та окреслено шляхи їх вирішення. Особливо актуальним є розвиток методів аналізу мовлення та відповідної обробки природної мови, який дозволяє створювати більш точні та ефективні системи виявлення аномального трафіку та потенційно небезпечних комунікацій. З постійним розвитком технологій штучного інтелекту цікавим стає напрямок використання інтелектуальних засобів для аналізу контенту в системі VoIP. Запропоновано метод виявлення аномалій в трафіку IP-телефонії на основі групування VoIP повідомлень на основі контекстно-частотного аналізу. Запропоновано метод автоматизованого наповнення онтології тематичних повідомлень в корпоративній системі IP-телефонії, який ґрунтується на формалізовано представленні повідомлень за допомогою деревовидних структур та на описі операцій взаємодії засобами алгебри кортежів. Здійснено програмну реалізацію перетворення голосових повідомлень в текстові представлення з використанням бібліотеки SpeechRecognition для перетворення голосу в текст у мові програмування Python. Проведено експериментальні дослідження запропонованих підходів, імплементовано програмну підсистему виявлення аномальних повідомлень на основі онтологічного підходу в діючу корпоративну IP-телефонію.
Посилання
Waleed Nazih, Alnowaiser Khaled, etc. "Detecting SPIT Attacks in VoIP Networks Using Convolutional Autoencoders: A Deep Learning Approach" Applied Sciences 13, no. 12: 6974, 2023. https://doi.org/10.3390/app13126974
Tuanhua L., "Interactive Behavior Analysis Based on Social Network," 2021 International Conference of Social Computing and Digital Economy (ICSCDE), 2021, pp. 188-191.
Pascual, S.; Bonafonte, A.; Serra, J. SEGAN: Speech Enhancement Generative Adversarial Network. In Proceedings of the 18th Annual Conference of the International Speech Communication Association (INTERSPEECH 2017), Stockholm, Sweden, 20–24 August 2017; pp. 3642–3646.
Hernes, M., Nguyen, N.T., Maleszka, M., Bytniewski, A. The automatic summarization of text documents in the cognitive integrated management information system (2015) Proceedings of the 2015 Federated Conference on Computer Science and Information Systems, FedCSIS 2015, art. No 8, pp. 1387-1396.
Dyvak, M., Papa, O., Melnyk, A., Pukas, A., Porplytsya, N., Rot, A. Interval model of the efficiency of the functioning of information web resources for services on ecological expertise (2020) Mathematics, 8 (12), art. no. 2116, pp. 1-12.
Glorot, X.; Bengio, Y. Understanding the difficulty of training deep feedforward neural networks. In Proceedings of the Thirteenth International Conference on Artificial Intelligence and Statistics, JMLR Workshop and Conference Proceedings, Sardinia, Italy, 13–15 May 2010; pp. 249–256
Alvares, C.; Dinesh, D.; Alvi, S.; Gautam, T.; Hasib, M.; Raza, A. Dataset of attacks on a live enterprise VoIP network for machine learning based intrusion detection and prevention systems. Comput. Netw. 2021, 197, 108283
Pereira, D.; Oliveira, R. Detection of Abnormal SIP Signaling Patterns: A Deep Learning Comparison. Computers 2022, 11, 27.
Ruff, L.; Kauffmann, J.R.; Vandermeulen, R.A.; Montavon, G.; Samek, W.; Kloft, M.; Dietterich, T.G.; Müller, K.R. A unifying review of deep and shallow anomaly detection. Proc. IEEE 2021, 109, 756–795.
Mohamed, Amira A., Amira Eltokhy, and Abdelhalim A. Zekry. 2023. "Enhanced Multiple Speakers’ Separation and Identification for VOIP Applications Using Deep Learning" Applied Sciences 13, no. 7: 4261. https://doi.org/10.3390/app13074261
Kafke, John, and Thiago Viana. 2022. "Call Me Maybe: Using Dynamic Protocol Switching to Mitigate Denial-of-Service Attacks on VoIP Systems" Network 2, no. 4: 545-567. https://doi.org/10.3390/network2040032
Ormazabal, G.; Sarvesh, N.; Eilon, Y.; Henning, S. Secure sip: A scalable prevention mechanism for dos attacks on sip based voip systems. In Proceedings of the International Conference on Principles, Systems and Applications of IP Telecommunications, Berlin/Heidelberg, Germany, 1–2 July 2008; pp. 107–132.
Cauteruccio, F.; Cinelli, L.; Corradini, E.; Terracina, G.; Ursino, D.; Virgili, L.; Savaglio, C.; Liotta, A.; Fortino, G. A framework for anomaly detection and classification in Multiple IoT scenarios. Future Gener. Comput. Syst. 2021, 114, 322–335.
Pasichnyk R. and Sachenko A., "Semantic WEB-Search Developing by Problem-Oriented Ontology Means," 2007 4th IEEE Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, Dortmund, Germany, 2007, pp. 445-448, doi: 10.1109/IDAACS.2007.4488457.
Dyvak Mykola, Melnyk Andriy, Rot Artur, Hernes Marcin, Pukas Andriy, "Ontology of mathematical modelling based on interval data", Complexity, vol. 2022, Article ID 8062969, 24 p., 2022
Tas, I.M.; Unsalver, B.G.; Baktir, S. A Novel SIP Based Distributed Reflection Denial-of-Service Attack and an Effective Defense Mechanism. IEEE Access 2020, 8, 112574–112584.
Kovbasistyi, A. Melnyk, M. Dyvak, V. Brych and I. Spivak, "Method for detection of non-relevant and wrong information based on content analysis of web resources," 2017 XIIIth International Conference on 18.
Pasichnyk N.R. The method of forming ontological content based on the analysis of noisy, poorly structured information on specialized websites, Inductive modeling of complex systems. Collection of scientific works, Iss. No. 4, 2012, pp.158-168.
Pasichnyk N.R. The method of forming ontological content based on the analysis of information on specialized websites, Bulletin of the Khmelnytskyi National University: Technical Sciences, 2012. — Vol. No. 5. — P. 241-244.
Korel, Lukáš, Uladzislau Yorsh, Alexander S. Behr, Norbert Kockmann, and Martin Holeňa. 2023. "Text-to-Ontology Mapping via Natural Language Processing with Application to Search for Relevant Ontologies in Catalysis" Computers 12, no. 1: 14. https://doi.org/10.3390/computers12010014
Memariani, A.; Glauer, M.; Neuhaus, F.; Mossakowski, T.; Hatings, J. Automated and Explainable Ontology Extension Based on Deep Learning: A Case Study in the Chemical Domain. In Proceedings of the 3rd International Workshop on Data Meets Applied Ontologies, Hersonissos, Greece, 29 May–2 June 2021; pp. 1–16.
##submission.downloads##
-
pdf
Завантажень: 38
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
