Зрівняння ефективності застосування різних архітектур нейронних мереж для запобігання та виявлення кібератак на мережеві ресурси в період воєнного стану
Ключові слова:
нейронна мережа, виявлення вторгнень, DOS, R2L, U2RАнотація
У роботі проведено порівняльний аналіз ефективності різних архітектур штучних нейронних мереж (MLP, CNN, SOM, Hopfield, а також гібридних моделей CNN+MLP і Transformer+Hopfield) для задачі запобігання та виявлення різних типів кібератак і мережеві ресурси в умовах воєнного стану. Реалізацію всіх архітектур виконано мовою Python із використанням сучасних бібліотек машинного навчання.
Посилання
Malik M. Advancing Network Security Through Artificial Intelligence and Machine Learning: A Comprehensive Survey and Future Directions. International Journal of Network Security Advances. 2025. URL: https://www.academia.edu/143363874/Advancing_Network_Security_Through_Artificial_Intelligence_and_Machine_Learning_A_Comprehensive_Survey_and_Future_Directions
Bensaoud A., Jugal K. Optimized detection of cyber-attacks on IoT networks via hybrid deep learning models. Ad Hoc Networks. 2025. Vol. 170: 103770. URL: https://www.science direct.com/science/article/abs/pii/S1570870525000186
