Статья: ВЛИЯНИЕ ОБЪЕМА ДАННЫХ НА ТОЧНОСТЬ ОБНАРУЖЕНИЯ АНОМАЛИЙ В СЕТЕВОМ ТРАФИКЕ: ИССЛЕДОВАНИЕ ЭФФЕКТА БОЛЬШИХ ДАННЫХ (2025)

Читать онлайн

В статье рассматривается использование алгоритмов машинного обучения для обнаружения аномалий на основе набора данных CICIDS2017, который был специально разработан для имитации реальных сценариев сетевых атак. Особое внимание уделено трем популярным алгоритмам: логистической регрессии, случайному лесу и нейронным сетям. Эти алгоритмы были выбраны благодаря своей способности эффективно обрабатывать большие объемы данных и выявлять сложные паттерны. В рамках статьи проведена серия экспериментов, в которых будут варьироваться объем обучающих данных и оцениваться производительность моделей как на чистых, так и на зашумленных данных. Результаты данного исследования помогут понять, как различные алгоритмы реагируют на изменения в объеме данных и качество входной информации, что является важным аспектом для разработки эффективных систем кибербезопасности.

Ключевые фразы: аномалии сетевого трафика, машинное обучение, эффект больших данных, нейрон- ные сети, СЛУЧАЙНЫЙ ЛЕС, логистическая регрессия
Автор (ы): Ма Анастасия Алексеевна, Авксентьева Елена Юрьевна
Журнал: ВЕСТНИК РОССИЙСКОГО НОВОГО УНИВЕРСИТЕТА. СЕРИЯ: СЛОЖНЫЕ СИСТЕМЫ: МОДЕЛИ, АНАЛИЗ И УПРАВЛЕНИЕ

Предпросмотр статьи

Идентификаторы и классификаторы

УДК
004.056. Безопасность, защищённость данных
Для цитирования:
МА А. А., АВКСЕНТЬЕВА Е. Ю. ВЛИЯНИЕ ОБЪЕМА ДАННЫХ НА ТОЧНОСТЬ ОБНАРУЖЕНИЯ АНОМАЛИЙ В СЕТЕВОМ ТРАФИКЕ: ИССЛЕДОВАНИЕ ЭФФЕКТА БОЛЬШИХ ДАННЫХ // ВЕСТНИК РОССИЙСКОГО НОВОГО УНИВЕРСИТЕТА. СЕРИЯ: СЛОЖНЫЕ СИСТЕМЫ: МОДЕЛИ, АНАЛИЗ И УПРАВЛЕНИЕ. 2025. № 1
Текстовый фрагмент статьи