DIGITAL FOOTPRINTS: CLUSTERING BROWSER HISTORY FOR USER PROFILING USING MACHINE LEARNING

Marzhan Idrissova; Sabina Kim; Beibut Amirgaliyev; Didar Yedilkhan; Leila Rzayeva

doi:10.26577/jpcsit20253202

Автор(и)

Маржан Идрисова Astana IT University https://orcid.org/0009-0008-0629-7948 (неавтентифікований)
Сабина Ким Astana IT University https://orcid.org/0009-0008-3198-0474 (неавтентифікований)
Бейбут Амиргалиев Astana IT University, Astana, Kazakhstan https://orcid.org/0000-0003-0355-5856 (неавтентифікований)
Didar Yedilkhan Astana IT University, Astana, Kazakhstan https://orcid.org/0000-0002-6343-5277 (неавтентифікований)
Лейла Рзаева Astana IT University, Astana, Kazakhstan https://orcid.org/0000-0002-3382-4685 (неавтентифікований)

DOI:

https://doi.org/10.26577/jpcsit20253202

Ключові слова:

сандық іздер, пайдаланушы профилін жасау, кластерлеу, аномалияны анықтау, шолу тәртібі, машинаны оқыту, желілік трафикті талдау

Анотація

Бұл зерттеу тарихи веб-әрекетті талдау, пайдаланушыларды сегменттеу және пайдаланушы профилін жасау үшін аномалияларды анықтау үшін бақыланбайтын машиналық оқыту әдістерін пайдалануды зерттейді. Иерархиялық кластерлеуді және Гаусс қоспасы үлгілерін қолдану арқылы біз пайдаланушыларды төрт-бес топқа бөлетін, жалпы шолуды, әлеуметтік желіге қатысуды, өткізу қабілеттілігінің жоғары тұтынуын және автоматтандырылған жүйе процестерін қоса, бөлек шолу әрекеттерін анықтадық. Аномалияны анықтау үшін күтілетін әрекеттен ауытқуларды белгілеу үшін бір сыныпты SVM және оқшаулау орманы қолданылды. Нәтижелер сеанстардың шамамен 5%-ы SVM бойынша аномальды ретінде жіктелгенін көрсетеді, ал оқшаулау орманы ұзартылған сеанс ұзақтығымен және ықтимал жоғары тәуекелді қолданбаны пайдаланумен байланысты шектен тыс мәндерді бөліп көрсетті. Бұл нәтижелер ықтимал қауіпсіздік қатерлерін немесе әдеттегі емес пайдалану үлгілерін анықтау кезінде цифрлық іздер арқылы пайдаланушы әрекетін ажыратуда машиналық оқытудың тиімділігін көрсетеді. Зерттеу бақылаусыз оқыту киберқауіпсіздікке, желі мониторингіне және онлайн мінез-құлықты модельдеуге салдары бар пайдаланушы профилін жасау және мінез-құлықты талдау үшін құнды құрал бола алатынын көрсетеді. Кластерлеуді аномалияны анықтаумен біріктіру веб-трафиктегі қолдану тенденциялары мен ауытқуларды ашу үшін масштабталатын тәсілді қамтамасыз етеді. Болашақ зерттеулер деректер жиынын қамтуды кеңейтіп, жіктеу дәлдігі мен дамып келе жатқан веб-міндеттерге жауап беруді жақсарту үшін бейімделгіш үлгілерді қамтуы керек.

Завантажити

Дані для завантаження поки недоступні.

Біографії авторів

автор Маржан Идрисова, афіліація Astana IT University

Marzhan Idrissova is a master's student of the Computer Engineering Department at Astana IT University (Astana, Kazakhstan, marzhanidrisova@gmail.com). Her research interests include machine learning applications for user profiling, anomaly detection in digital footprints and network traffic analysis. ORCID ID: 0009-0008-0629-7948.
автор Сабина Ким, афіліація Astana IT University

Sabina Kim is a bachelor student of the Department of Computational and Data Science at Astana IT University (Astana, Kazakhstan, kimsabina206@gmail.com). Her research interests include the development of smart city solutions leveraging data science, as well as the integration of medicine with data science and machine learning to advance healthcare innovation. ORCID ID: 0009-0008-3198-0474.
автор Бейбут Амиргалиев, афіліація Astana IT University, Astana, Kazakhstan

Beibut Amirgaliyev is a distinguished researcher at Astana IT University (Astana, Kazakhstan, beibut.amirgaliyev@astanait.edu.kz) recognized for his contributions to both academia and industry. He holds a PhD in Computer Science and serves as a Professor at Astana IT University, focusing on research areas such as machine learning and computer vision. Dr. Amirgaliyev has published numerous papers on topics including automatic number plate recognition and solar collector systems, with his work being cited by over 200 researchers. ORCID ID: 0000-0003-0355-5856
автор Didar Yedilkhan, афіліація Astana IT University, Astana, Kazakhstan

Didar Yedilkhan is a distinguished researcher at Astana IT University (Astana, Kazakhstan, d.yedilkhan@astanait.edu.kz), recognized for his extensive experience in industry, research, and higher education. He serves as the Director of the Smart City Research Center and is a Senior Researcher at Astana IT University, focusing on data science, machine learning, and deep learning. Dr. Yedilkhan has a robust academic background, holding degrees from institutions such as the Kazakh National University named after al-Farabi and the University College London. His professional roles include being a Lead Researcher and Project Manager at Astana IT University, where he leads projects on intelligent IT systems for urban infrastructure. His projects aim to enhance city safety and convenience through smart technologies. ORCID ID: 0000-0002-6343-5277
автор Лейла Рзаева, афіліація Astana IT University, Astana, Kazakhstan

Leila Rzayeva is a prominent academic and researcher based at Astana IT University (Astana, Kazakhstan, l.rzayeva@astanait.edu.kz), where she serves as an Associate Professor and Researcher in Intelligent Systems and Cybersecurity. She earned her B.S., M.S., and Ph.D. degrees from L.N. Gumilyov Eurasian National University. Her research interests include control systems, industrial automation, cybersecurity, machine learning, deep learning, and the design of neural networks and artificial intelligence systems. Rzayeva has published over 40 national and international research articles and actively participates in conferences. ORCID ID: 0000-0002-3382-4685