Publication:
ПОВЫШЕНИЕ ТОЧНОСТИ ВЫЯВЛЕНИЯ АНОМАЛИЙ ДЛЯ СИСТЕМ ОБНАРУЖЕНИЯ ВТОРЖЕНИЯ С ПОМОЩЬЮ АНСАМБЛЕВОГО ОБУЧЕНИЯ

Простая страница элемента
creativeworkseries.issn 2074-7128 (Print)
dc.contributor.authorБалыбердин, А. В.
dc.contributor.authorКрылов, Г. О.
dc.date.accessioned2025-04-14T09:52:15Z
dc.date.available2025-04-14T09:52:15Z
dc.date.issued2025
dc.description.abstractВыявление аномалий системой обнаружения вторжений (СОВ) является сложной задачей. Значительное количество ошибок детектирования аномалий снижает эффективность применения СОВ. Повышение точности СОВ рассматривается как решение задачи классификации. Для решения задачи классификации применяют нейронные сети, методы глубокого обучения, статистические модели машинного обучения и многое другое. Одним из способов решения данной задачи является применение ансамблевого обучения для алгоритмов классификации. Широкое применение ансамблевого обучения в различных областях подтверждает эффективность ансамблей. Целью статьи является систематизация знаний по методам ансамблевого обучения, способах их применения для построения современных СОВ и формулировка задач для будущих исследований. В статье используется метод сравнительного анализа при рассмотрении различных исследований. Описана методология выбора работ. В соответствии с методологией были выбраны двенадцать работ. Рассмотрены широко используемые ансамбли обучения и их классификация, приводятся результаты исследования современных методов и алгоритмов СОВ с применением ансамблей. Ансамбли решают различные проблемы классификации, показаны оптимальные алгоритмы ансамблей для решения задачи классификации. Для СОВ выделены базовые метрики оценки и наборы данных, которые предлагается использовать при разработке методов. Метаэвристичекие и генетические алгоритмы применяются не только для решения задач выбора признаков, но и для генерации базовых классификаторов. Сформулированы задачи, которые решают ансамбли, и предложено направление для будущих исследований с применением ансамблевого обучения.
dc.identifier.citationБалыбердин, Алексей В.; Крылов, Григорий О. Повышение точности выявления аномалий для систем обнаружения вторжения с помощью ансамблевого обучения. Безопасность информационных технологий, [S.l.], т. 32, № 1, с. 153–171, 2025. ISSN 2074-7136. URL: https://bit.spels.ru/index.php/bit/article/view/1753. DOI: http://dx.doi.org/10.26583/bit.2025.1.11
dc.identifier.doi10.26583/bit.2025.1.11
dc.identifier.urihttps://openrepository.mephi.ru/handle/123456789/36842
dc.identifier.urihttps://bit.spels.ru/index.php/bit/article/view/1753
dc.publisherНИЯУ МИФИ
dc.subjectАлгоритм
dc.subjectБазовые классификаторы
dc.subjectОбнаружение аномалий
dc.subjectНейронная сеть
dc.subjectАнсамблевое обучение
dc.subjectАномалия
dc.subjectСистема обнаружения вторжений
dc.titleПОВЫШЕНИЕ ТОЧНОСТИ ВЫЯВЛЕНИЯ АНОМАЛИЙ ДЛЯ СИСТЕМ ОБНАРУЖЕНИЯ ВТОРЖЕНИЯ С ПОМОЩЬЮ АНСАМБЛЕВОГО ОБУЧЕНИЯ
dc.title.alternativeНАУЧНЫЕ СТАТЬИ
dc.typeArticleru
dspace.entity.typePublication
relation.isJournalIssueOfPublication3960db59-8036-483c-94b8-03c84d8a7672
relation.isJournalIssueOfPublication.latestForDiscovery3960db59-8036-483c-94b8-03c84d8a7672
relation.isJournalOfPublication3b9ae913-eaeb-4d29-a767-7f6ca8a0e066
Файлы
Original bundle
Теперь показываю 1 - 1 из 1
Уменьшенное изображение
Name:
1753-2749-1-PB.pdf
Size:
610.3 KB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Теперь показываю 1 - 1 из 1
Уменьшенное изображение
Name:
license.txt
Size:
3.45 KB
Format:
Item-specific license agreed to upon submission
Description:
Download
Коллекции