Застосування нейронних мереж для вибору інструментів для тестування на проникнення

Мета роботи. Розробити метод автоматизованого вибору інструментів для тестування на проникнення веб-додатків за допомогою нейронних мереж. Метод дослідження. Побудова нейронної мережі прямого поширення з навчанням за методом зворотного поширення помилки на основі даних експертів та користувачів, поданих у вигляді матриці характеристик інструментів. Реалізація моделі через веб-сервіс з використанням стеку LAMP і бібліотеки FANN. Результати дослідження. Створено веб-застосунок, що дозволяє користувачам задавати критерії до інструментів тестування, а система надає відповідні рекомендації. Навчена нейронна мережа демонструє ефективність у виборі утиліт згідно з вхідними параметрами, що підтверджується експериментами з утилітами Acunetix, Nessus та Nexpose. Система враховує як експертні дані, так і користувацький зворотний зв’язок, що забезпечує її динамічну адаптацію. Теоретична цінність дослідження. Обґрунтовано ефективність застосування нейромереж для автоматизованого підбору інструментів у сфері кібербезпеки, що відкриває нові підходи до інтеграції машинного навчання у процеси тестування на проникнення. Практична цінність дослідження. Розроблений веб-сервіс може використовуватись як допоміжний інструмент тестувальниками безпеки, зокрема початківцями, для швидкого та обґрунтованого вибору засобів тестування. Цінність дослідження. Дослідження демонструє, що застосування нейромереж дозволяє підвищити ефективність вибору інструментів та спростити процес прийняття рішень при тестуванні веб-додатків. Майбутні дослідження. Удосконалення архітектури моделі, пояснюваність рішень нейромережі, масштабування системи на більші обсяги даних та розширення спектра інструментів.