Використання аналізу даних для виявлення кіберзагроз і аномальної поведінки користувачів

Abstract

У тезах розглядається аналіз методів Data Analysis та Machine Learning (ML) для проактивного виявлення кіберзагроз і аномальної поведінки користувачів. Акцент зроблено на архітектурі User and Entity BehaviorThe thesis examines the analysis of Data Analysis and Machine Learning (ML) methods for proactive detection of cyber threats and anomalous user behavior. The focus is on the User and Entity Behavior Analytics (UEBA) architecture, which employs unsupervised learning techniques (such as Isolation Forest and Autoencoders) to build dynamic behavioral profiles. It is demonstrated that minimizing operational risks (false positives) critically depends on the integration of contextual Feature Engineering (S-A-O). The work also highlights the necessity of implementing