Исследование моделей машинного обучения для детектирования сетевых атак

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.