Выявление брутфорса паролей по поведенческим признакам: легкая модель и сравнение реализаций потоковой обработки в Rust и Python

Представленная курсовая работа посвящена фундаментальному анализу и разработке методов детектирования аномальной сетевой активности, специфически ориентированной на выявление атак типа "brute force" и несанкционированного подбора паролей, с использованием поведенческих признаков. В рамках исследования будет разработана математическая модель для идентификации данных аномалий. Особое внимание будет уделено сравнительному анализу эффективности реализации методов потоковой обработки данных на языках программирования Rust (с использованием асинхронных примитивов) и Python (с применением модуля `asyncio` и механизмов потоков). Будут проанализированы архитектуры асинхронного программирования и многопоточности в контексте их применимости к задачам обработки высоконагруженных потоков сетевых событий, характерных для инфраструктур российских предприятий и государственных учреждений. Исследование будет опираться на актуальные публикации ведущих российских ученых в области информационной безопасности (например, работы В.В. Аверьянова, А.А. Лукашина, Д.А. Рогатина из МГУ, СПбГУ, МФТИ и институтов РАН), а также на данные, полученные путем моделирования сетевых атак в контролируемых средах. Методы математического моделирования и алгоритмического проектирования будут применены для создания прототипов систем детектирования, а сравнительный анализ производительности будет осуществляться с использованием инструментария оценки вычислительных ресурсов.

Программный комплекс, реализующий алгоритм детектирования атак типа "brute force" по поведенческим признакам, с двумя модулями обработки данных на Rust (async) и Python (asyncio/threads), а также аналитический отчет о сравнительной эффективности этих реализаций.

Текущая ситуация в сфере кибербезопасности России характеризуется перманентным ростом числа кибератак, в том числе, целенаправленных подборов учетных данных. Разработка эффективных и производительных механизмов раннего выявления таких угроз является стратегически важной задачей для обеспечения национальной цифровой безопасности. Особое значение приобретает адаптация передовых программных решений и подходов к реалиям отечественной инфраструктуры, а также подготовка высококвалифицированных кадров, способных решать данные задачи на современном технологическом уровне.

Разработка и сравнительный анализ моделей и реализаций систем детектирования атак типа "brute force" на основе поведенческих признаков с использованием потоковой обработки на языках Rust и Python для повышения эффективности выявления угроз информационной безопасности.

1. Разработать формализованную математическую модель поведенческих признаков для идентификации атак "brute force" на основе анализа сетевых логов и попыток аутентификации.

2. Спроектировать архитектуру и реализовать прототип модуля детектирования на языке Rust с использованием асинхронной парадигмы программирования для эффективной обработки потоковых данных.

3. Разработать аналогичный прототип модуля детектирования на языке Python, применяя как `asyncio`, так и многопоточные (threads) механизмы для сопоставительного анализа.

4. Провести инструментальное сравнение производительности, ресурсопотребления и латентности разработанных реализаций на Rust и Python в условиях симулированной сетевой нагрузки, формулируя рекомендации по их применению.