| DC Field | Value | Language |
|---|
| dc.contributor.author | Бородин, К. Н. | - |
| dc.contributor.author | Шедова, А. Р. | - |
| dc.contributor.author | Галицкий, М. В. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2025-02-06T11:57:31Z | - |
| dc.date.available | 2025-02-06T11:57:31Z | - |
| dc.date.issued | 2024 | - |
| dc.identifier.citation | Бородин, К. Н. Исследование моделей машинного обучения для детектирования сетевых атак / К. Н. Бородин, А. Р. Шедова, М. В. Галицкий // Информационные радиосистемы и радиотехнологии-2024 : материалы открытой республиканской научно-практической интернет-конференции, Минск, 21–22 ноября 2024 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: В. А. Богуш [и др.]. – Минск, 2024. – С. 198–202. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/59012 | - |
| dc.description.abstract | В данной статье представлен сравнительный анализ различных алгоритмов машинного обучения для задачи обнаружения сетевых атак. В работе демонстрируется эффективность использования глубоких нейронных сетей, а также впервые применяются сети Колмогорова-Арнольда для обнаружения сетевых атак. В ходе исследования применялись датасеты, характеризующие различные типы атак, что позволило нам оценить производительность моделей в разных сетевых доменах. Полученные результаты подтверждают актуальность использования современных подходов к детектированию угроз в условиях растущего объема данных. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | машинное обучение | en_US |
| dc.subject | сетевые атаки | en_US |
| dc.subject | сети Колмогорова-Арнольда | en_US |
| dc.title | Исследование моделей машинного обучения для детектирования сетевых атак | en_US |
| dc.type | Article | en_US |
| local.description.annotation | This paper presents a comparative analysis of different machine learning algorithms for the task of network attack detection. The paper demonstrates the effectiveness of using deep neural networks and for the first time applies Kolmogorov-Arnold networks to detect network attacks. In the course of the study, datasets characterizing different types of attacks were used, which allowed us to evaluate the performance of the models in different network domains. The obtained results confirm the relevance of using modern approaches to threat detection in conditions of growing data volume. | en_US |
| Appears in Collections: | Информационные радиосистемы и радиотехнологии (2024)
|
