Čeští výzkumníci inovují kybernetickou bezpečnost: Forecasting odhaluje síťové hrozby v předstihu

 Hlavním cílem této společné iniciativy bylo představit novou metodiku, jež umožňuje s předstihem detekovat odchylky v síťovém provozu a zabránit potenciálním hrozbám. Forecasting je založen na zpracování historických dat a průběžné aktualizaci modelu, což umožňuje predikci nejpravděpodobnějšího budoucího vývoje síťového provozu v monitorovaných sítích. V kybernetické bezpečnosti se tato predikce využívá k rychlé identifikaci neočekávaných změn — ať už jde o pokusy o průnik do sítě, nebo jiné druhy kyber útoků, které se projevují netypickým zatížením či odlišným charakterem přenášených dat a jsou těžko odhalitelné. "Naším hlavním záměrem bylo ukázat, že statistické modelování a forecasting, v kombinaci s moderními nástroji pro zpracování dat, dokážou účinně odhalovat i ty nejnenápadnější anomálie," uvádí Ing. Jaroslav Pešek z FIT ČVUT. "Díky této metodě můžeme předem rozpoznat, kde dochází k nestandardnímu chování sítě a včas tak reagovat na možné kybernetické incidenty," dodává Ing. Josef Koumar z FIT ČVUT. Účastníci workshopu si mohli metodu forecastingu prakticky vyzkoušet na reálných vzorcích síťového provozu, aby lépe pochopili, jak dokáže předvídat neočekávané změny. Studenti i odborníci si osvojili způsoby, jak tuto predikční technologii integrovat do běžných IT bezpečnostních nástrojů, a tím výrazně zlepšit jejich účinnost. "Workshop byl velmi užitečný, protože pokrýval potřebné základní znalosti, vysvětlení dat a praktickou zkušenost s kódováním a trénováním modelů. Bylo snadné držet krok, protože organizátoři věnovali velkou pozornost účastníkům,” říká Shiva Azizzadeh z Radboud University. Důležitost metod, jako je právě forecasting, navíc potvrzuje fakt, že související výzkumná práce byla přijata na mezinárodně uznávanou konferenci NOMS 2025 , kde budou její výsledky představeny širší odborné veřejnosti z celého světa.