Використання нейронних мереж реального часу у системах виявлення мережевих вторгнень

Simple item page
dc.contributor.authorГорбатов, Віталій Сергійовичuk_UA
dc.contributor.authorЖурба, Анна Олексіївнаuk_UA
dc.date.accessioned2025-05-25T18:26:07Z
dc.date.available2025-05-25T18:26:07Z
dc.date.issued2025
dc.descriptionА. Журба: ORCID 0000-0002-9983-3971uk_UA
dc.description.abstractUKR: В роботі розглянуто нагальні обмеження сучасних систем виявлення вторгнень (NIDS), які зазвичай базуються на статичних текстових правилах. Такий підхід перешкоджає виявленню нових або модифікованих атак, оскільки зловмисники можуть легко обійти ці статичні правила за допомогою мінімальних модифікацій. Як перспективний напрям розглянуто впровадження нейронних мереж, оснащених можливостями онлайн-навчання. Проаналізовано декілька найсучасніших рішень, у тому числі Online Sequential Extreme Learning Machine (OSELM), T-DFNN і різні інкрементні моделі глибоких нейронних мереж, усі з яких демонструють здатність адаптуватися в реальному часі. Робота не лише узагальнює поточні методології, але й підкреслює значний потенціал онлайн-навчання для підвищення ефективності та гнучкості систем кібербезпеки, зокрема в динамічному виявленні zero-day загроз.uk_UA
dc.description.abstractENG: This paper addresses the pressing limitations of modern intrusion detection systems (NIDS), which are typically based on predefined text-based rules. Such an approach hinders the detection of new or modified attacks, as these static rules can easily be evaded by attackers using minimal modifications. As a promising direction, the study explores the implementation of neural networks equipped with online learning capabilities. Several state-of-the-art solutions are analyzed, including Online Sequential Extreme Learning Machine (OS-ELM), T-DFNN, and various incremental deep neural network models, all of which demonstrate the ability to adapt in real time. The work not only summarizes current methodologies but also emphasizes the significant potential of online learning to enhance the effectiveness and flexibility of cybersecurity systems, particularly in the dynamic detection of emerging network threats.en
dc.identifier.citationГорбатов В. С., Журба А. О. Використання нейронних мереж реального часу у системах виявлення мережевих вторгнень. Інформаційні технології в металургії та машинобудуванні – ІТММ’2025 : тези доп. Міжнародної наук.-техн. конф. (м. Дніпро, 23-24 березня 2025 р.). Дніпро, 2025. C. 542–545. DOI: 10.34185/1991-7848.itmm.2025.01.096.uk_UA
dc.identifier.doi10.34185/1991-7848.itmm.2025.01.096
dc.identifier.issn2708-0102 (Online)
dc.identifier.urihttps://journals.nmetau.edu.ua/index.php/itmm/article/view/2165en
dc.identifier.urihttps://crust.ust.edu.ua/handle/123456789/20348en
dc.language.isouk
dc.publisherУкраїнський державний університет науки і технологій, ІВК «Системні технології», Дніпроuk_UA
dc.subjectнейронні мережіuk_UA
dc.subjectонлайн-навчанняuk_UA
dc.subjectвиявлення вторгненьuk_UA
dc.subjectінкрементальне навчанняuk_UA
dc.subjectкібербезпекаuk_UA
dc.subjectneural networksen
dc.subjectonline learningen
dc.subjectNIDSen
dc.subjectintrusion detectionen
dc.subjectincremental learningen
dc.subjectcybersecurityen
dc.subjectExtreme Learning Machineen
dc.subjectT-DFNNen
dc.subjectКІТСuk_UA
dc.subject.classificationTECHNOLOGY::Information technologyen
dc.titleВикористання нейронних мереж реального часу у системах виявлення мережевих вторгненьuk_UA
dc.title.alternativeUsing Real-Time Neural Networks in Intrusion Detection Systemsen
dc.typeThesisen
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Gorbatov.pdf
Size:
199.92 KB
Format:
Adobe Portable Document Format
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
159 B
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Міжнародна науково-технічна конференція «Інформаційні технології в металургії та машинобудуванні. ІТММ'25»
Інші праці КІТС (ДМетІ)