Публікація: Оцінювання методів машинного навчання для виявлення аномалій мережевого трафіку
| dc.contributor.author | Костромицький, О. С. | |
| dc.contributor.author | Піксасов, М. М. | |
| dc.date.accessioned | 2026-11-22T09:52:43Z | |
| dc.date.issued | 2026 | |
| dc.description.abstract | Досліджено можливості автоматизованого виявлення мережевих атак шляхом бінарної класифікації характеристик мережевих з’єднань із використанням алгоритмів Random Forest та багатошарового перцептрона (MLP). Розглянуто походження експериментальних даних, особливості підготовки ознак і методи оцінювання результатів класифікації. За результатами експериментальних досліджень на наборах даних NSL-KDD та CICIDS2017 встановлено високу точність виявлення мережевих атак обома алгоритмами. Обґрунтовано некоректність безпосереднього порівняння ефективності моделей, досліджених на різних наборах даних. Проаналізовано вплив хибнопозитивних і хибнонегативних рішень на результативність виявлення кіберзагроз та визначено необхідність додаткової перевірки стійкості моделей на незалежному мережевому трафіку. | |
| dc.identifier.citation | Костромицький О. С., Піксасов М. М. Оцінювання методів машинного навчання для виявлення аномалій мережевого трафіку // Кіберстійкість у сучасному світі: виклики, інновації, рішення : матеріали І Всеукраїнської науково-практичної конференції. Харків: ХНАДУ, 2026. С. 58-61. | |
| dc.identifier.uri | https://openarchive.nure.ua/handle/document/36712 | |
| dc.language.iso | uk | |
| dc.publisher | ХНАДУ | |
| dc.subject | мережеві атаки | |
| dc.subject | виявлення вторгнень | |
| dc.subject | багатошаровий перцептрон | |
| dc.subject | аналіз аномалій | |
| dc.title | Оцінювання методів машинного навчання для виявлення аномалій мережевого трафіку | |
| dc.type | Conference proceedings | |
| dspace.entity.type | Publication |
Файли
Оригінальний пакунок
1 - 1 з 1
Завантаження...
- Назва:
- pikasov.pdf
- Розмір:
- 527.78 KB
- Формат:
- Adobe Portable Document Format
Пакунок ліцензії
1 - 1 з 1
Завантаження...
- Назва:
- license.txt
- Розмір:
- 10.74 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: