Глибинне навчання для виявлення мережевих атак
Вантажиться...
Дата
2025
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Обсяг роботи 89 сторінок, 7 ілюстрацій, 1 таблиця, 3 додатки, 13 джерел літератури.
Об’єкт дослідження: процеси виявлення мережевих атак у комп'ютерних мережах за допомогою методів глибокого навчання. Предмет дослідження: архітектури глибоких нейронних мереж для класифікації мережевого трафіку та виявлення аномальної активності. Мета дослідження: розробка ефективної моделі глибокого навчання на основі CNN-LSTM архітектури для виявлення мережевих атак з прийнятною точністю детекції. Методи дослідження: аналіз теоретичних джерел з глибокого навчання та кібербезпеки, проектування гібридної архітектури згорткових та рекурентних нейронних мереж, реалізація механізму уваги для покращення якості класифікації, експериментальне тестування на датасеті UNSW-NB15, статистичний аналіз результатів та порівняння з існуючими методами.
Опис
Ключові слова
Глибинне навчання, згорткові нейронні мережі (CNN), рекурентні нейронні мережі (LSTM), механізм уваги, виявлення мережевих атак, класифікація мережевого трафіку, кібербезпека, аналіз аномалій, deep learning, convolutional neural networks (CNN), recurrent neural networks (LSTM), attention mechanism, network attack detection, network traffic classification, cybersecurity, anomaly analysis
Бібліографічний опис
Левицький, Є. В. Глибинне навчання для виявлення мережевих атак : дипломна робота ... бакалавра : 125 Кібербезпека / Левицький Євген Васильович. – Київ, 2025. – 89 с.