Рибак, Олександр ВладиславовичЛевицький, Євген Васильович2026-03-022026-03-022025Левицький, Є. В. Глибинне навчання для виявлення мережевих атак : дипломна робота ... бакалавра : 125 Кібербезпека / Левицький Євген Васильович. – Київ, 2025. – 89 с.https://ela.kpi.ua/handle/123456789/79127Обсяг 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.89 с.ukГлибинне навчаннязгорткові нейронні мережі (CNN)рекурентні нейронні мережі (LSTM)механізм увагивиявлення мережевих атаккласифікація мережевого трафікукібербезпекааналіз аномалійdeep learningconvolutional neural networks (CNN)recurrent neural networks (LSTM)attention mechanismnetwork attack detectionnetwork traffic classificationcybersecurityanomaly analysisBachelor Thesis