| DC Field | Value | Language |
|---|
| dc.contributor.author | Мальцев, B. Л. | - |
| dc.contributor.author | Возмитель, В. В. | - |
| dc.contributor.author | Матяс, Е. В. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-04-28T07:46:48Z | - |
| dc.date.available | 2026-04-28T07:46:48Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Мальцев, B. Л. Влияние архитектуры нейронных сетей на эффективность обнаружения признаков шифрования = Influence of neural network architecture on the efficiency of encryption feature detection / B. Л. Мальцев, В. В. Возмитель, Е. В. Матяс // Технические средства защиты информации : материалы ХXIV Международной научно-технической конференции, Минск, 8 апреля 2026 года / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: О. В. Бойправ [и др.]. – Минск, 2026. – С. 328–332. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/63440 | - |
| dc.description.abstract | В статье исследуется применение моделей глубокого обучения для
идентификации зашифрованного содержимого. Рассмотрены полносвязные,
сверточные сети, автоэнкодеры и трансформеры, проведен сравнительный анализ их
эффективности при классификации байтовых последовательностей с использованием
открытых наборов данных. Обоснована необходимость включения сжатых файлов
в обучающую выборку для снижения ложных срабатываний в системах защиты
информации. Полученные результаты демонстрируют преимущества редукции
архитектур для повышения обобщающей способности моделей. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | информационная безопасность | en_US |
| dc.subject | нейронные сети | en_US |
| dc.subject | шифрование | en_US |
| dc.subject | программы-вымогатели | en_US |
| dc.subject | машинное обучение | en_US |
| dc.subject | глубокое обучение | en_US |
| dc.subject | анализ энтропии | en_US |
| dc.subject | мониторинг файлов | en_US |
| dc.title | Влияние архитектуры нейронных сетей на эффективность обнаружения признаков шифрования | en_US |
| dc.title.alternative | Influence of neural network architecture on the efficiency of encryption feature detection | en_US |
| dc.type | Article | en_US |
| local.description.annotation | This article explores the application of deep learning models for identifying
encrypted content, examining fully connected networks, convolutional networks,
autoencoders, and transformers. A comparative analysis of the efficiency of byte sequence
classification is conducted using open datasets. The necessity of including compressed files in
the training set is substantiated to reduce the false positive rate in information security
systems. The obtained results demonstrate the advantages of architecture reduction for
improving model generalizability. | en_US |
| Appears in Collections: | ТСЗИ 2026
|
