Застосування парадигми прецедентного аналізу для цілей мультибазового хмарного моніторингу DNS-трафіку
Анотація
Актуальність. Зростання складності DNS-інфраструктури та підвищення рівня загроз у мережевому середовищі зумовлюють необхідність розроблення інтелектуальних засобів моніторингу DNS-трафіку, здатних забезпечувати прозоре, адаптивне та обґрунтоване виявлення поведінкових аномалій. Особливої актуальності набуває впровадження підходів, що підвищують простежуваність логіки прийняття рішень системами штучного інтелекту.
Мета. Метою роботи є експериментальне дослідження прототипу програмного засобу для моніторингу поточного стану DNS-трафіку з широкою імплементацією можливостей ШІ, в основу логіки якого покладено концепцію прецедентного аналізу (CBR) поведінкових аномалій DNS-трафіку.
Методи дослідження. У роботі використано методи імітаційного моделювання, мультибазові вимірювання часу обробки DNS-запитів із застосуванням системи розподілених хмарних датчиків-тестерів, а також алгоритми прецедентного аналізу для інтелектуальної постобробки даних. Прототип реалізовано у вигляді Python-клієнта, інтегрованого з Gemini API, що функціонує на основі набору даних, сформованого за результатами попередніх досліджень [1-2]. У процесі роботи система автономно модифікує реєстр аномалій шляхом додавання нових прецедентів на основі результатів аналітичної обробки.
Результати. Отримані результати демонструють, що розглянутий підхід для моніторингу DNS-трафіку забезпечує виявлення як уже відомих аномалій, так і локалізацію ще невідомих колізій. Підтверджено перспективність застосування прецедентного підходу для покращення оперативності корегувань параметрів діючої зони політики реагування (RPZ) [3] та підвищення рівня поінформованості персоналу з питань безпеки DNS-трафіку. Водночас експерименти виявили ефект т. зв. «кластеризації», що може призводити до хибнопозитивних результатів оцінки подій та, як наслідок, суперечливих трактувань отриманих відомостей щодо спостережуваних мережевих подій.
Висновки. Перегляд діючих обмежень та завдань аналізу для модулів ШІ і подальше моделювання підтвердили, що внесені зміни суттєвим чином зменшили виявлений ефект «кластеризації» та підвищили надійність інтерпретацій аномалій, які спостерігаються за визначеною системою непрямих (опосередкованих) ознак. Отримані результати підтверджують доцільність подальшого розвитку підходу прецедентного аналізу в системах інтелектуального моніторингу DNS-трафіку.
Завантаження
Посилання
/Посилання
D. Chepel and S. Malakhov, “Multibased cloud monitoring of DNS traffic for operative correction of current RPZ parameters,” Modern Information Security, vol. 63, no. 3, pp. 176–187, 2025. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.31673/2409-7292.2025.031949
D. Chepel and S. Malakhov, “Summary of DNS traffic filtering trends as a component of modern information systems security,” Computer Science and Cybersecurity, no. 1, pp. 6–21, Sep. 2024. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.26565/2519-2310-2024-1-01 [in Ukrainian]
D. Chepel and S. Malakhov, “Мультипротокольний моніторинг трафіку DNS, як основа для коригування поточних параметрів RPZ [Multi-protocol DNS traffic monitoring as a basis for adjusting current RPZ parameters],” in Theoretical and Practical Aspects of Modern Scientific Research. Eur. Scientific Platform, 2025. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.36074/logos-24.01.2025.049 [in Ukrainian]
Т. Korobeinikova and Т. Fedchuk, “Огляд протоколів DNS, DoH та DoT [Overview of DNS, DoH, and DoT protocols],” in Débats scientifiques et orientations prospectives du développement scientifique. Eur. Scientific Platform, 2024. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.36074/logos-01.03.2024.056 [in Ukrainian]
M. F. Safitra, M. Lubis, T. F. Kusumasari, and D. P. Putri, “Advancements in artificial intelligence and data science: Models, applications, and challenges,” Procedia Computer Science, vol. 234, pp. 381–388, 2024. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.1016/j.procs.2024.03.018
J. P. Inala et al., Data Analysis in the Era of Generative AI. To be published. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.48550/arXiv.2409.18475
A. M. Rahmani et al., “Artificial intelligence approaches and mechanisms for big data analytics: A systematic study,” PeerJ Computer Science, vol. 7, Apr. 2021, Art. no. e488. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.7717/peerj-cs.488
T. Zebin, S. Rezvy, and Y. Luo, “An explainable AI-based intrusion detection system for DNS over HTTPS (DoH) attacks,” IEEE Transactions on Information Forensics and Security, p. 1, 2022. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.1109/tifs.2022.3183390
B. Ali and G. Chen, “Next-generation AI for advanced threat detection and security enhancement in DNS over HTTPS,” Journal of Network and Computer Applications, vol. 244, p. 104326, Dec. 2025. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.1016/j.jnca.2025.104326
P. Pradeep, M. Caro-Martínez, and A. Wijekoon, “Empowering explainable artificial intelligence through case-based reasoning: A comprehensive exploration,” IEEE Transactions on Knowledge and Data Engineering, pp. 1–20, 2025. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.1109/tkde.2025.3609825
P. Pradeep, M. Caro-Martínez, and A. Wijekoon, “A practical exploration of the convergence of Case-Based Reasoning and Explainable Artificial Intelligence,” Expert Systems With Applications, p. 124733, Jul. 2024. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.1016/j.eswa.2024.124733
K. Hatalis, D. Christou, and V. Kondapalli, Review of Case-Based Reasoning for LLM Agents: Theoretical Foundations, Architectural Components, and Cognitive Integration. To be published. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.48550/arXiv.2504.06943
М. Гончаров, Д. Чепель, and С. Малахов, “Оцінка обчислювальної складності етапу попередньої обробки вхідних даних при реалізації процедур стегановставки зображень,” Наука і техніка сьогодні, no. 8(49), Sep. 2025. Accessed: Feb. 23, 2026. [Online]. Available: https://doi.org/10.52058/2786-6025-2025-8(49)-1228-1245 [in Ukrainian]
М. Horelko and S. Malakhov, “Аналіз метаданих шифрованого трафіку як чинник нівелювання «сліпих зон» безпеки в сучасних ІТ – системах [Metadata analysis of encrypted traffic as a factor in eliminating security "blind spots" in modern IT systems],” in Інтелектуальні технології у міждисциплінарних дослідженнях: Збірник наукових праць ХІ МНТК. Харків, Україна: ХНУ ім. В.Н. Каразіна, 2025, pp. 89–92. [in Ukrainian]
Chepel D., Malakhov S. Multibased cloud monitoring of DNS traffic for operative correction of current RPZ parameters. Modern information security. 2025. Т. 63, № 3. С. 176–187. URL: https://doi.org/10.31673/2409-7292.2025.031949 (дата звернення: 23.02.2026).
Chepel D., Malakhov S. Summary of DNS traffic filtering trends as a component of modern information systems security. Computer science and cybersecurity. 2024. № 1. C. 6–21. URL: https://doi.org/10.26565/2519-2310-2024-1-01 (дата звернення: 23.02.2026).
Чепель Д., Малахов С. Мультипротокольний моніторинг трафіку DNS, як основа для коригування поточних параметрів RPZ. Theoretical and practical aspects of modern scientific research. 2025. URL: https://doi.org/10.36074/logos-24.01.2025.049 (дата звернення: 23.02.2026).
Коробейнікова Т., Федчук Т. Огляд протоколів DNS, DoH та DoT. Débats scientifiques et orientations prospectives du développement scientifique. 2024. URL: https://doi.org/10.36074/logos-01.03.2024.056 (дата звернення: 23.02.2026).
Advancements in artificial intelligence and data science: models, applications, and challenges / M. F. Safitra et al. Procedia computer science. 2024. Т. 234. C. 381–388. URL: https://doi.org/10.1016/j.procs.2024.03.018 (дата звернення: 23.02.2026).
Data analysis in the era of generative AI / J. P. Inala et al. 2024. (Препринт). URL: https://doi.org/10.48550/arXiv.2409.18475 (дата звернення: 23.02.2026).
Artificial intelligence approaches and mechanisms for big data analytics: a systematic study / A. M. Rahmani et al. PeerJ computer science. 2021. Т. 7. e488. URL: https://doi.org/10.7717/peerj-cs.488 (дата звернення: 23.02.2026).
Zebin T., Rezvy S., Luo Y. An explainable AI-based intrusion detection system for DNS over HTTPS (DoH) attacks. IEEE transactions on information forensics and security. 2022. C. 1. URL: https://doi.org/10.1109/tifs.2022.3183390 (дата звернення: 23.02.2026).
Ali B., Chen G. Next-generation AI for advanced threat detection and security enhancement in DNS over HTTPS. Journal of network and computer applications. 2025. T. 244. 104326. URL: https://doi.org/10.1016/j.jnca.2025.104326 (дата звернення: 23.02.2026).
Pradeep P., Caro-Martínez M., Wijekoon A. Empowering explainable artificial intelligence through case-based reasoning: a comprehensive exploration. IEEE transactions on knowledge and data engineering. 2025. C. 1–20. URL: https://doi.org/10.1109/tkde.2025.3609825 (дата звернення: 23.02.2026).
Pradeep P., Caro-Martínez M., Wijekoon A. A practical exploration of the convergence of Case-Based Reasoning and Explainable Artificial Intelligence. Expert systems with applications. 2024. 124733. URL: https://doi.org/10.1016/j.eswa.2024.124733 (дата звернення: 23.02.2026).
Hatalis K., Christou D., Kondapalli V. Review of case-based reasoning for LLM agents: theoretical foundations, architectural components, and cognitive integration. 2025. (Препринт). URL: https://doi.org/10.48550/arXiv.2504.06943 (дата звернення: 23.02.2026).
Гончаров М., Чепель Д., Малахов С. Оцінка обчислювальної складності етапу попередньої обробки вхідних даних при реалізації процедур стегановставки зображень. Наука і техніка сьогодні. 2025. № 8(49). URL: https://doi.org/10.52058/2786-6025-2025-8(49)-1228-1245 (дата звернення: 23.02.2026).
Горелько М., Малахов С. Аналіз метаданих шифрованого трафіку як чинник нівелювання «сліпих зон» безпеки в сучасних ІТ - системах. Інтелектуальні технології у міждисциплінарних дослідженнях: Збірник наукових праць ХІ МНТК. Харків: ХНУ ім. В.Н. Каразіна, Україна, 2025. С. 89–92.
