<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Оцінювання методів машинного навчання для виявлення аномалій мережевого трафіку

Вантажиться...
Ескіз зображення

Дата

Назва журналу

Номер ISSN

Назва тому

Видавець

Харківський національний автомобільно-дорожній університет

DOI

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

Бібліографічний опис

Костромицький О. С., Піксасов М. М. Оцінювання методів машинного навчання для виявлення аномалій мережевого трафіку // Кіберстійкість у сучасному світі: виклики, інновації, рішення : зб. ст. і тез доп. Всеукр. наук.-практ. конф. здобувачів вищ. освіти і молодих учених, 6 листоп. 2026 р. / Харків. нац. автомоб.-дорож. ун-т. Харкiв, 2026. Вип. I. С. 58–61.

Підтвердження

Огляд

Supplemented By

Посилання на