Глибинне навчання для виявлення мережевих атак

Скорочена інформація про документ
dc.contributor.advisorРибак, Олександр Владиславович
dc.contributor.authorЛевицький, Євген Васильович
dc.date.accessioned2026-03-02T10:27:41Z
dc.date.available2026-03-02T10:27:41Z
dc.date.issued2025
dc.description.abstractОбсяг 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.
dc.description.abstractotherThe volume of the thesis is 89 pages, 7 illustrations, 1 table, 3 appendices, 13 sources of literature Object of research: processes of network attack detection in computer networks using deep learning methods.The subject of the research: Subject of research: deep neural network architectures for network traffic classification and anomalous activity detection.Research methods: Purpose of the research: development of an effective deep learning model based on CNN-LSTM architecture for network attack detection with high detection accuracy. Methods used: analysis of theoretical sources on deep learning and cybersecurity, design of hybrid architecture combining convolutional and recurrent neural networks, implementation of attention mechanism to improve classification quality, experimental testing on UNSW-NB15 dataset, statistical analysis of results and verification of model effectiveness in detecting attacks created outside the dataset.
dc.format.extent89 с.
dc.identifier.citationЛевицький, Є. В. Глибинне навчання для виявлення мережевих атак : дипломна робота ... бакалавра : 125 Кібербезпека / Левицький Євген Васильович. – Київ, 2025. – 89 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/79127
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.subjectГлибинне навчання
dc.subjectзгорткові нейронні мережі (CNN)
dc.subjectрекурентні нейронні мережі (LSTM)
dc.subjectмеханізм уваги
dc.subjectвиявлення мережевих атак
dc.subjectкласифікація мережевого трафіку
dc.subjectкібербезпека
dc.subjectаналіз аномалій
dc.subjectdeep learning
dc.subjectconvolutional neural networks (CNN)
dc.subjectrecurrent neural networks (LSTM)
dc.subjectattention mechanism
dc.subjectnetwork attack detection
dc.subjectnetwork traffic classification
dc.subjectcybersecurity
dc.subjectanomaly analysis
dc.titleГлибинне навчання для виявлення мережевих атак
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Levytskyi_Bakalavr.pdf
Розмір:
1010.32 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ІБ)
Бакалаврські роботи