F3 Комп'ютерні науки

Permanent URI for this collection

https://ekmair.ukma.edu.ua/handle/123456789/18301
Освітня програма: "Комп'ютерні науки"

Browse

Browsing F3 Комп'ютерні науки by Subject "Autoencoders"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Система виявлення аномалій на основі нейронних мереж
    (2025) Томенко, Наталя; Савченко, Тетяна
    Дипломна робота присвячена дослідженню ефективності архітектур нейронних мереж для виявлення мережевих аномалій та розробці рекомендацій щодо їх практичного застосування. Проведено аналіз літератури з виявлення аномалій, систематизовано типи мережевих аномалій та досліджено архітектури CNN, LSTM, GRU та автоенкодерів. Експериментально протестовано дев'ять моделей на наборі NSL-KDD. Найвищу точність показав GRU Autoencoder (F1 Score 98,5%), серед класифікаційних моделей – Deep CNN (90,9%) та Bidirectional LSTM (88,4%). Досліджено трансферність моделей на UNSW-NB15. Bidirectional LSTM демонструє найкращу адаптивність (F1 Score 95,99% при донавчанні на 1% даних), CNN потребують 20% даних, автоенкодери показують обмежену трансферність. Проаналізовано обчислювальну ефективність: CNN оптимальні для пакетної обробки, рекурентні мережі забезпечують баланс точності та швидкості, автоенкодери найбільш компактні. Розроблено рекомендації щодо вибору архітектури залежно від типу аномалій, стабільності середовища та ресурсних обмежень. Результати можуть використовуватись для розробки систем виявлення мережевих аномалій та подальших досліджень у галузі.