Застосування методiв штучного iнтелекту для виявлення аномалiй у мережевих даних
Вантажиться...
Дата
2026
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Квалiфiкацiйна робота мiстить: 59 сторiнок, 4 рисункiв, 15 таблиць, 10 джерел.
Метою даної роботи є розробка та експериментальне дослiдження гiбридного методу, побудованого на основi методiв глибокого та машинного навчання, для виявлення аномалiй серед мережевого трафiку. Об’єктом дослiдження є процес аналiзу мережевого трафiку в системах виявлення вторгнень. Предметом дослiдження є математичнi моделi та алгоритми машинного i глибокого навчання, що використовуються для виявлення аномалiй у мережевих даних.
У роботi проаналiзовано сучаснi ML/DL-пiдходи виявлення мережевих вторгнень та видiлено ключовi проблеми цiєї задачi: дисбаланс класiв, високу розмiрнiсть i зашумленiсть ознак. Запропоновано гiбридний пiдхiд, де Stacked Autoencoder формує простiр нелiнiйних латентних ознак, а XGBoost виконує класифiкацiю на основi об’єднаного простору початкових та латентних характеристик. Експериментальне дослiдження виконано на датасетi CIC-IDS2017. Найкращi результати отримала модель SAE-24-Augmented-XGBoost, показавши вищу повноту виявлення аномального трафiку та меншу кiлькiсть пропущених атак порiвняно з базовим XGBoost.
Опис
Ключові слова
мережева безпека, системи виявлення вторгнень, nids, машинне навчання, глибоке навчання, autoencoder, xgboost, cic-ids2017
Бібліографічний опис
Онищенко, Є. О. Застосування методiв штучного iнтелекту для виявлення аномалiй у мережевих даних : дипломна робота ... бакалавра : 113 Прикладна математика / Онищенко Євгенiй Олександрович. – Київ, 2026. – 61 с.