Публікація:
Оцінювання методів машинного навчання для виявлення аномалій мережевого трафіку

Завантаження...
Зображення мініатюри

Дата

Назва журналу

ISSN журналу

Назва тому

Видавець

ХНАДУ

Дослідницькі проекти

Організаційні одиниці

Випуск журналу

Анотація

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.

Опис

Ключові слова

мережеві атаки, виявлення вторгнень, багатошаровий перцептрон, аналіз аномалій

Цитування

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.

DOI

Схвалення

Рецензія

Доповнено

На які посилаються