Применение машинного обучения в системах обнаружения вторжений для V2X-систем

Кузнецова, Е. В.; Сенцова, А. Ю.

Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/62722

Title:	Применение машинного обучения в системах обнаружения вторжений для V2X-систем
Other Titles:	Application of machine learning in insurance detection systems for V2X systems
Authors:	Кузнецова, Е. В. Сенцова, А. Ю.
Keywords:	материалы конференций;машинное обучение;обнаружение вторжений;V2X;подключенные автомобили;кибербезопасность
Issue Date:	2025
Publisher:	Уфимский университет науки и технологий
Citation:	Кузнецова, Е. В. Применение машинного обучения в системах обнаружения вторжений для V2X-систем = Application of machine learning in insurance detection systems for V2X systems / Е. В. Кузнецова, А. Ю. Сенцова // Информационные технологии обеспечения комплексной безопасности в цифровом обществе : материалы VII Всероссийской молодёжной научно-практической конференции с международным участием, Уфа, 23–24 мая 2025 г. / Уфимский университет науки и технологий ; редкол.: Д. С. Юнусова (отв. ред.) [и др.]. – Уфа, 2025. – С. 25–28.
Abstract:	В статье рассматриваются методы машинного обучения (МО), применяемые для обнаружения вторжений в системах V2X (Vehicle- to-Everything). Показана эффективность ключевых алгоритмов МО в контексте обеспечения информационной безопасности автомобильных сетей: метода K-ближайших соседей, многослойного перцептрона, сетей с долгой краткосрочной памятью (LSTM) и деревьев решений. Особое внимание уделено сравнительному анализу их производительности на основе стандартных оценочных метрик.
Alternative abstract:	The article discusses machine learning (ML) methods used for intrusion detection in V2X (Vehicle-to-Everything) systems. The effectiveness of key ML algorithms in the context of ensuring information security of vehicular networks is demonstrated: К-nearest neighbors method, multilayer perceptron, long short-term memory (LSTM) networks, and decision trees. Particular attention is paid to a comparative analysis of their performance based on standard evaluation metrics.
URI:	https://libeldoc.bsuir.by/handle/123456789/62722
Appears in Collections:	Информационные технологии обеспечения комплексной безопасности в цифровом обществе (2025)

Files in This Item:

File	Description	Size	Format
Kuznecova_Primenenie.pdf		310.51 kB	Adobe PDF	View/Open

Show full item record Google Scholar