dc.contributor.author | Салієва, О. В. | uk |
dc.contributor.author | Соколовський, Д. С. | uk |
dc.date.accessioned | 2024-04-30T12:49:18Z | |
dc.date.available | 2024-04-30T12:49:18Z | |
dc.date.issued | 2024 | |
dc.identifier.citation | Салієва О. В., Соколовський Д. С. Аналіз та протидія DDoS-атакам за допомогою штучного інтелекту. Матеріали LІII науково-технічної конференції підрозділів ВНТУ, Вінниця, 20-22 березня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/all-fm/all-fm-2024/paper/view/20470. | uk |
dc.identifier.uri | https://ir.lib.vntu.edu.ua//handle/123456789/42037 | |
dc.description.abstract | інструменту для протидії DDoS-атакам. Досліджено різноманітні методи використання штучного інтелекту для захисту комп'ютерних мереж від DDoS-атак. Здійснено порівняльну характеристику розглянутих методів. | uk |
dc.description.abstract | Various methods of using artificial intelligence to protect computer networks from DDoS attacks are explored. A comparative analysis of the considered methods is carried out. | en |
dc.language.iso | uk_UA | uk_UA |
dc.publisher | ВНТУ | uk |
dc.relation.ispartof | Матеріали LІII науково-технічної конференції підрозділів ВНТУ, Вінниця, 20-22 березня 2024 р. | uk |
dc.relation.uri | https://conferences.vntu.edu.ua/index.php/all-fm/all-fm-2024/paper/view/20470 | |
dc.subject | DDoS-атака | uk |
dc.subject | штучний інтелект | uk |
dc.subject | аналіз трафіку | uk |
dc.subject | захист | uk |
dc.subject | машинне навчання | uk |
dc.subject | автоматизованереагування | uk |
dc.subject | адаптація захисних механізмів | uk |
dc.subject | продуктивність мережі | uk |
dc.subject | DDoS attack | uk |
dc.subject | artificial intelligence | uk |
dc.subject | traffic analysis | uk |
dc.subject | protection | uk |
dc.subject | machine learning | uk |
dc.subject | automated response | uk |
dc.subject | defense adaptation | uk |
dc.subject | network performance | uk |
dc.title | Аналіз та протидія DDoS-атакам за допомогою штучного інтелекту | uk |
dc.type | Thesis | |
dc.identifier.udc | 004.054:681.324 | |
dc.relation.references | Scikit-learn: KMeans - KMeans Scikit-learn. URL:https://scikitlearn.org/stable/modules/generated/sklearn.cluster.KMeans.html | |
dc.relation.references | B. Senthilnayaki, K. Venkatalakshmi, A. Kannan, Intrusion detection using optimal genetic feature selection and SVM based classifier, in: 3rd International Conference on Signal Processing, Communication and Networking (ICSCN), 2015, pp. 14. | |
dc.relation.references | Antoni Jaszcz, Dawid Poap, AIMM: Artificial Intelligence Merged Methods for flood DDoS attacks detection Faculty of Applied Mathematics, Silesian University of Technology, Kaszubska 23, 44-100 Gliwice, Poland, Volume 34, Issue 10, Part A, November 2022, pp. 8090-8101. | |
dc.relation.references | link11 - Artificial Intelligence (AI) for DDoS Mitigation URL: https://www.link11.com/en/glossar/artificial-intelligence-ai-forddos-mitigation/https://www.link11.com/en/glossar/artificial-intelligence-ai-for-ddos-mitigation/ 5. Bohdan Bebeshkoa, Karyna Khorolskaa, Nataliia Kotenkoa, Oleksander Kharchenkoa, and Tetyana Zhyrova, Use of Neural Networks for Predicting Cyberattacks, Kyiv National University of Trade and Economics, 19 Kioto str., Kyiv, 02000, Ukraine, pp. 213 233 | |