Cистема виявлення аномалій у мережевому трафіку на основі штучного інтелекту

Abstract

У роботі вирішується актуальна задача підвищення ефективності виявлення кіберзагроз у мережевому трафіку шляхом розробки гібридної моделі на основі ансамблю нейронних мереж. Запропонована система поєднує автоенкодер для виявлення невідомих аномалій, згорткову нейронну мережу для аналізу просторових патернів та рекурентну LSTM-мережу для моделювання часових залежностей.

This work addresses the urgent task of improving cyberthreat detection efficiency in network traffic through the development of a hybrid model based on an ensemble of neural networks. The proposed system combines an autoencoder for detecting unknown anomalies, a convolutional neural network for spatial pattern analysis, and a recurrent LSTM network for modeling temporal dependencies.