| DC Field | Value | Language |
|---|
| dc.contributor.author | Маханова, В. Ю. | - |
| dc.contributor.author | Пулко, Т. А. | - |
| dc.coverage.spatial | Гомель | en_US |
| dc.date.accessioned | 2026-09-16T06:52:03Z | - |
| dc.date.available | 2026-09-16T06:52:03Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Маханова, В. Ю. Интегрированная система обнаружения аномалий сервера и ІоТ-устройств = Integrated anomalies detected system for servers and IoT-devices / В. Ю. Маханова, Т. А. Пулко // ERA – Современная наука: электроника, робототехника, автоматизация : материалы II Международной научно-технической конференции студентов, аспирантов и молодых ученых, Гомель, 30–31 октября 2025 г. / Гомельский государственный технический университет имени П. О. Сухого ; редкол.: А. А. Бойко [и др.]. – Гомель : ГГТУ им. П. О. Сухого, 2026. – С. 125–127. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/65761 | - |
| dc.description.abstract | Рассмотрена система обнаружения аномального поведения IoT-устройств и сервера (MQTT-брокер), разработанная с применением методов машинного обучения. Для детекции аномалий телеметрии, получаемой от сенсоров, используется модель К-Nearest Neighbors, для перехвата вредоносного сетевого трафика – Random Forest. Реализована единая архитектура сбора данных, обучения моделей и их интеграции в режиме реального времени. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | Гомельский государственный технический университет имени П. О. Сухого | en_US |
| dc.subject | публикации ученых | en_US |
| dc.subject | обнаружение аномалий | en_US |
| dc.subject | DDoS | en_US |
| dc.subject | KNN | en_US |
| dc.subject | машинное обучение | en_US |
| dc.subject | интегрированные системы | en_US |
| dc.subject | интернет вещей | en_US |
| dc.subject | безопасность данных | en_US |
| dc.title | Интегрированная система обнаружения аномалий сервера и ІоТ-устройств | en_US |
| dc.title.alternative | Integrated anomalies detected system for servers and IoT-devices | en_US |
| dc.type | Article | en_US |
| local.description.annotation | This work presents an end-to-end system for detecting anomalous behavior in IoT devices and DDoS/DoS attacks on an MQTT broker using machine learning. К-Nearest Neighbors is applied to telemetry from sensors, while a Random Forest ensemble identifies malicious network patterns. A unified architecture for data collection, model training, and real-time inference is implemented. | en_US |
| Appears in Collections: | Публикации в изданиях Республики Беларусь
|
