Вітаємо!

Раді вітати Вас у електронному репозитарії Національного технічного університету «Харківський політехнічний інститут» (eNTUKhPIIR) ISSN 2409-5982

Репозитарій є одним з елементів інфраструктури відкритої науки НТУ «ХПІ» відповідно до Політик відкритої науки та відкритих освітніх ресурсів в Національному технічному університеті «Харківський політехнічний інститут».

Розміщуєте свої публікації та відкриті освітні ресурси (OER) у репозитарії eNTUKhPIIR, сприяйте підвищенню рейтингу університету

Кількість документів у репозитарії: 91385

Для включення публікацій до репозитарію необхідно:

  1. Ознайомитися з положенням про репозитарій НТУ «ХПІ»
  2. Заповнити форму для передачі матеріалів

Публікації, розміщенні самостійно автором, проходять обов’язкове рецензування.

Інструкція з реєстрації профіля автора у репозитарії та його прив’язки до ORCID

З усіх питань стосовно електронного репозитарію Національного технічного університету «Харківський політехнічний інститут», звертайтеся:
заступник директора бібліотеки Олена Бреславець, e-mail: olena.breslavec@khpi.edu.ua

Розділи

Виберіть розділ, щоб переглянути його колекції.

Нові надходження

  • Ескіз
    Тип елементу:Документ,
    Network intrusion detection model based on convolutional neural networks and tabular data converted into images
    (National University "Yuri Kondratyuk Poltava Polytechnic", 2024) Gavrylenko, Svitlana; Poltoratskyi, Vadim
    The object of the study is the process of identifying the state of a computer systems and network. The subject of the study are the methods of identifying the state of computer systems and networks. The purpose of this paper is to improve the quality of detecting intrusions into computer networks. The UNSW-NB 15 set, which contains information about the normal functioning of the network and during synthetic intrusions, was used as input. Deep neural networks (DL), their advantages and problems in big data processing are considered. It was found that deep neural networks when processing tabular data require their transformation. Modern methods of tabular data transformation were studied. The results obtained. A method of converting tabular data into an image is proposed. The method converts each object of a separate class from a set of tabular data into an image by mapping the attribute values onto a two-dimensional plane. The method was implemented programmatically using the GOOGLE COLAB cloud service based on Jupyter Notebook. Conclusions. It was found that the use of the proposed conversion method of tabular data into an image made it possible to use a classification model based on the CNN neural network and increase the quality of detection of intrusions into computer networks up to 4%.
  • Ескіз
    Тип елементу:Документ,
    Метод підвищення оперативності класифікації даних за рахунок зменшення кореляції ознак
    (Національний університет "Полтавська політехніка імені Юрія Кондратюка", 2023) Гавриленко, Світлана Юріївна; Полторацький, Вадим Олександрович
    Об'єктом дослідження є процес ідентифікації стану комп'ютерної мережі. Предметом дослідження є методи ідентифікації стану комп’ютерних мереж. Метою статті є підвищення оперативності виявлення вторгнень у комп’ютерні мережі за рахунок зменшення кореляції ознак. Методи, що використовуються: методи штучного інтелекту, машинного навчання, методи зменшення кореляції ознак. Отримано такі результати: Досліджено ефективність використання підходів, які зменшують кореляцію даних: метод головних компонентів (PCA), незалежних компонентів (ICA), L1 та L2 регуляризацію, обґрунтовано метод для подальшого дослідження. За результатами досліджень запропоновано спеціальну процедуру зменшення кореляції вихідних даних. Для оцінки якості та оперативності запропонованої процедури, розроблено програмні моделі на основі: Gradient Boosting, Random Forest, повнозв’язної нейронної мережі (FCNN) та згорткової нейронної мережі (CNN). У якості вихідних даних використано набір UNSW NB 15, який містить інформацію про нормальне функціонування мережі та під час вторгнень. Виконано порівняльний аналіз якості та оперативності розроблених моделей. Висновки. Наукова новизна отриманих результатів полягає у розробці методу виявлення вторгнень в комп’ютерні мережі, який відрізняється від відомих наявністю спеціальної процедури зменшення кореляції вихідних даних, що дозволило підвищити оперативність процесу ідентифікації.
  • Ескіз
    Тип елементу:Документ,
    Оптимізація вилучення ознак у трансформерах за допомогою комбінації GlobalAveragePooling1D і GlobalMaxPooling1D для класифікації мережевих атак
    (Національний технічний університет "Харківський політехнічний інститут", 2025) Полторацький, Вадим Олександрович; Гавриленко, Світлана Юріївна
  • Ескіз
    Тип елементу:Документ,
    "Ті вечірки у москалів..." з харківського фольклору 1970-х–1990-х років
    (2025) Красіков, Михайло Михайлович
  • Ескіз
    Тип елементу:Документ,
    Особливості математичного моделювання перетворювачів електроприводів з пружними зв'язками
    (Національний технічний університет "Харківський політехнічний інститут", 2017) Кравцов, О. Д.; Посоха, Є. Г.; Задорожня, І. М.