Сучасні інформаційні системи

Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/62915

Офіційний сайт http://ais.khpi.edu.ua/

У журналі публікуються результати досліджень з експлуатації та розробки сучасних інформаційних систем у різних проблемних галузях.

Рік заснування: 2017. Періодичність: 4 рази на рік. ISSN 2522-9052 (Print)

Новини

Включений до "Переліку наукових фахових видань України, в яких можуть публікуватися результати дисертаційних робіт на здобуття наукових ступенів доктора і кандидата наук" (технічні науки) наказом Міністерства освіти і науки України від 04.04.2018 № 326 (додаток 9, п. 56).

Переглянути

Фільтри

20241

Налаштування

Автор: search.filters.author.Nechyporenko, AlinaКлючові слова: search.filters.subject.neural networks

Результати пошуку

Зараз показуємо 1 - 1 з 1
  • Ескіз
    Документ
    Intrusion detection model based on improved transformer
    (Національний технічний університет "Харківський політехнічний інститут", 2024) Gavrylenko, Svitlana; Poltoratskyi, Vadym; Nechyporenko, Alina
    The object of the study is the process of identifying the state of a computer network. The subject of the study are the methods of identifying the state of computer networks. The purpose of the paper is to improve the efficacy of intrusion detection in computer networks by developing a method based on transformer models. The results obtained. The work analyzes traditional machine learning algorithms, deep learning methods and considers the advantages of using transformer models. A method for detecting intrusions in computer networks is proposed. This method differs from known approaches by utilizing the Vision Transformer for Small-size Datasets (ViTSD) deep learning algorithm. The method incorporates procedures to reduce the correlation of input data and transform data into a specific format required for model operations. The developed methods are implemented using Python and the GOOGLE COLAB cloud service with Jupyter Notebook. Conclusions. Experiments confirmed the efficiency of the proposed method. The use of the developed method based on the ViTSD algorithm and the data preprocessing procedure increases the model's accuracy to 98.7%. This makes it possible to recommend it for practical use, in order to improve the accuracy of identifying the state of a computer system.