АНАЛІЗ МЕТАДАНИХ ШИФРОВАНОГО ТРАФІКУ ДЛЯ УСУНЕННЯ «СЛІПИХ ЗОН» БЕЗПЕКИ СУЧАСНИХ ІНФОРМАЦІЙНИХ СИСТЕМ

  • Максим Горелько студент (бакалаврат, спеціальність F5), кафедра кібербезпеки інформаційних систем, мереж і технологій, Харківський національний університет імені В.Н. Каразіна
  • Сергій Малахов к.т.н., ст. науковий співробітник, доцент кафедри кібербезпеки інформаційних систем, мереж і технологій, Харківський національний університет імені В.Н. Каразіна https://orcid.org/0000-0001-8826-1616
Ключові слова: трафік, фільтрація, відбитки трафіку, патерн, інформаційна безпека, VPN, Tor, Cyber Deception

Анотація

Запропоновано огляд останніх напрацювань в межах проблематики комплексного аналізу зашифрованого мережевого трафіку в сучасних інформаційних системах. Основними методами досліджень є: - аналіз, узагальнення та порівняння. Розглянуті питання пошуку можливих шляхів забезпечення компромісу в умовному трикутнику «факторів впливу» при вирішенні завдань оперативного виявлення небезпек в структурі даних зашифрованого трафіку. В якості «факторів впливу» розглянута комбінація наступних чинників: - необхідність забезпечення потрібного рівня інформаційної безпеки (ІБ); - підтримка права користувачів на їх конфіденційність; - ресурсний консенсус впроваджуваних програмно-апаратних рішень. Звернено увагу, що інтеграція технологій штучного інтелекту і машинного навчання (AI/ML) до структури алгоритмів контролю трафіку, є ключовим важелем впливу на кінцевий результат. Підкреслено, що протидіюча сторона, також буде використовувати ці технології для маскування своєї діяльності. Зроблено висновок, що впровадження процедур аналізу метаданих мережевого трафіку, є компромісним рішенням. Реалізація такого підходу дозволяє покращити «прозорість» поточної мережевої активності для завчасного виявлення загроз безпеки, безпосередньо не вдаючись до процедур дешифрування трафіку. Акцентовано увагу, що впровадження парадигми «Cyber Deception» та комплексний аналіз метаданих циркулюючого шифрованого трафіку, є перспективним вектором зусиль для завчасного нівелювання фактору утворення «сліпих зон» безпеки сучасних IT систем.

Завантаження

##plugins.generic.usageStats.noStats##

Посилання

Cloudflare. What is a VPN? https://www.cloudflare.com/ru-ru/learning/access-management/whatisavpn/

Tor Project. Tor: Overview https://2019.www.torproject.org/about/overview.html.en

Cloudflare. ECH Protocol https://developers.cloudflare.com/ssl/edge-certificates/ech/

Multilogin. What is Traffic Fingerprinting? https://surl.lt/empsdf

Kokhanovska, T., Narezhnyi, O., & Diachenko, O. (2020). Exploring the possibilities of Honeypot technology. Computer Science and Cybersecurity, 1(17), 33-42. https://doi.org/10.26565/2519-2310-2020-1-03 [in Ukrainian]

Softpiua. What is NetFlow? https://surl.li/dqzslu [in Ukrainian]

Pitutin V. Softpiua. What is IP Flow Information Export? https://surl.lu/cwmkud [in Ukrainian]

Peakhour. What is JA3 Fingerprinting? https://www.peakhour.io/learning/fingerprinting/what-is-ja3-fingerprinting/

Cloudflare. What is an SSL certificate? https://www.cloudflare.com/ru-ru/learning/ssl/what-is-an-ssl-certificate/

Cherubin, G., Jansen, R., & Troncoso, C. (2022, August 10-12). Online Website Fingerprinting: Evaluating Website Fingerprinting Attacks on Tor in the Real World https://www.usenix.org/system/files/sec22-cherubin.pdf

Chepel, D., & Malakhov, S. (2024). Summary of DNS traffic filtering trends as a component of modern information systems security. Computer Science and Cybersecurity, 1(25), 6–21. https://doi.org/10.26565/2519-2310-2024-1-01 [in Ukrainian]

DeFabbia-Kane, S. (2011, April). Analyzing the Effectiveness of Passive Correlation Attacks on the Tor Anonymity Network https://surl.li/zghbyu

Xue, D., Ramesh, R., Jain, A., Kallitsis, M., Halderman, J. A., Crandall, J. R., & Ensafi, R. (2024, March 6). OpenVPN is Open to VPN Fingerprinting https://arxiv.org/html/2403.03998v1

DeFabbia-Kane, S. (2023, June 15). The Effect Background Traffic in VPNs has on Website Fingerprinting https://www.diva-portal.org/smash/get/diva2:1779408/FULLTEXT01.pdf

Tor Project. Tor metrics. Directly connecting users https://metrics.torproject.org/userstats-relay-countryjpng?start=2013-06-05&end=2013-11-02&country=all&events=off

Fajana, O. (2023, October). Novel Techniques for Detecting Tor Botnets https://pure.port.ac.uk/ws/portalfiles/portal/91457639/up797388-Oluwatobi-Fajana-Thesis-2023-final.pdf

Stormshield Customer Security Lab. (2014, August 20). Win32/Atrax.A https://www.stormshield.com/news/win32atrax-a/

Matrosov, A. (2013, July 24). The rise of TOR-based botnets https://www.welivesecurity.com/2013/07/24/the-rise-of-tor-based-botnets/

Fajana, O., Owenson, G., & Cocea, M. TorBot Stalker: Detecting Tor Botnets through Intelligent Circuit Data Analysis https://pure.port.ac.uk/ws/portalfiles/portal/12745078/TorBot_Stalker_new.pdf

Khanna, N. (2021, August 18). J48 Classification (C4.5 Algorithm) in a Nutshell https://medium.com/@nilimakhanna1/j48-classification-c4-5-algorithm-in-a-nutshell-24c50d20658e

Pawan Saxena. GeeksforGeeks. (2025, October 24). XGBoost https://www.geeksforgeeks.org/machine-learning/xgboost/

Sing, K., Kashyap, A., & Cherukuri, A. K. (2025, May). Interpretable Anomaly Detection in Encrypted Traffic Using SHAP with Machine Learning Models https://surl.lt/oidsuz

Опубліковано
2025-12-30
Цитовано
Як цитувати
Горелько, М., & Малахов, С. (2025). АНАЛІЗ МЕТАДАНИХ ШИФРОВАНОГО ТРАФІКУ ДЛЯ УСУНЕННЯ «СЛІПИХ ЗОН» БЕЗПЕКИ СУЧАСНИХ ІНФОРМАЦІЙНИХ СИСТЕМ. Комп’ютерні науки та кібербезпека, (2), 40-50. https://doi.org/10.26565/2519-2310-2025-2-04
Номер
Розділ
Статті