Year: 2024
Type: article
Abstract: Заманауи ақпараттық жүйелердің дамуы желілік шабуылдардың күрделілігін арттырып, қауіпсіздік мәселелерінің өзектілігін көтерді. Бұл мақалада машиналық оқыту (МО) алгоритмдерінің желілік шабуылдарды анықтаудағы тиімділігі салыстырылады. Әртүрлі МО әдістері, оның ішінде нейрондық желілер, шешім ағаштары, терең оқыту және қарсыласушы машиналық оқыту, желілік шабуылдарды анықтаудағы дәлдігі мен жылдамдығын зерттеу объектісі ретінде алынады. Зерттеу нәтижелері желілік қауіпсіздікті қамтамасыз ету үшін машиналық оқытудың адаптивті және инновациялық шешімдерінің маңыздылығын көрсетеді. Сонымен қатар, келешек зерттеулер үшін бағыттар мен ұсыныстар беріледі, осылайша, машиналық оқыту алгоритмдерінің желілік шабуылдарға қарсы тұрудағы әлеуеті мен тиімділігі арта түседі. Бұл мақалада желілік шабуылдарды анықтауда қолданылатын машиналық оқыту алгоритмдері талданады. Дәстүрлі әдістер бұл қауіптерге қарсы тұруда жеткіліксіз болып отыр, сондықтан машиналық оқыту технологиялары тиімді балама ретінде қарастырылады. Мақалада бақыланатын оқыту, бақылаусыз оқыту және жартылай бақылаулы оқыту әдістері зерттеледі. Бақыланатын оқыту әдістерінің арасында логистикалық регрессия, шешім ағаштары, кездейсоқ ормандар, қолдау вектор машиналары және нейрондық желілер қарастырылады. Бақылаусыз оқыту әдістері ретінде K-Means кластерлеу, автоэнкодерлер және негізгі компоненттерді талдау әдістері талқыланады. Жартылай бақылаулы оқыту әдістері ретінде белгілерді тарату және өздігінен оқыту әдістері зерттеледі. Әрбір алгоритмнің артықшылықтары мен кемшіліктері салыстырылып, олардың желілік шабуылдарды анықтаудағы тиімділігі талданады.
Source: Mechanics and Technologies
DOI: 10.55956/zcjd4515
Authors: Қожа Ахмет Ясауи атындағы Халықаралық қазақ-түрік университеті, Түркістан қ., Қазақстан, Н.М. Жунисов, А.Б. Абен, Қожа Ахмет Ясауи атындағы Халықаралық қазақ-түрік университеті, Түркістан қ., Қазақстан, Д. Исаков, Қожа Ахмет Ясауи атындағы Халықаралық қазақ-түрік университеті, Түркістан қ., Қазақстан
Language: Kazakh
Subfield: Computer Networks and Communications
Field: Computer Science
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4408173638