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

Оцінювання методів машинного навчання для виявлення аномалій мережевого трафіку

dc.contributor.authorКостромицький, Олександр Сергійович
dc.contributor.authorПіксасов, Михайло Михайлович
dc.date.accessioned2026-11-20T15:10:47Z
dc.date.issued2026
dc.description.abstractДосліджено 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.citationКостромицький 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.
dc.identifier.urihttps://dspace.khadi.kharkov.ua/handle/123456789/29903
dc.language.isouk
dc.publisherХарківський національний автомобільно-дорожній університет
dc.subjectмережеві атакиuk
dc.subjectаналіз аномалійuk
dc.subjectRandom Forestuk
dc.subjectбагатошаровий перцептронuk
dc.subjectNSL-KDDuk
dc.subjectCICIDS2017uk
dc.subject.udc004.0563:004.8
dc.titleОцінювання методів машинного навчання для виявлення аномалій мережевого трафіку
dc.typeArticle

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз зображення
Назва:
KostromytskyiPiksasov_12.pdf
Розмір:
506,98 KB
Формат:
Adobe Portable Document Format