Застосування методів пояснюваного штучного інтелекту для моніторингу та оцінки ризиків у гетерогенних мережах
Вантажиться...
Файли
Дата
Науковий керівник
Редактор
Інші учасники
Відповідальний
ORCID
Назва журналу
Номер ISSN
Назва тому
DOI
Альтернативна назва
Анотація
У роботі досліджено актуальну проблему інтеграції методів пояснюваного штучного інтелекту (XAI) у системи виявлення вторгнень (IDS) для сучасних гетерогенних середовищ, таких як IoT-мережі, хмарні застосунки та інтелектуальні транспортні системи (ICV). Проаналізовано ефективність алгоритму XGBoost у виявлении мережевих аномалій та роль методів інтерпретації (SHAP, LIME) у подоланні проблеми «чорної скриньки», що властива складним моделям машинного навчання. Визначено, що прозорість прийняття рішень
The paper explores the current problem of integrating Explainable Artificial Intelligence (XAI) methods into Intrusion
The paper explores the current problem of integrating Explainable Artificial Intelligence (XAI) methods into Intrusion
Опис
Ключові слова
кібербезпека , пояснюваний штучний інтелект (XAI) , виявлення вторгнень (IDS) , IoT , XGBoost , хмарні технології , оцінка ризиків , інтерпретованість , cybersecurity , explainable artificial intelligence (XAI) , intrusion detection (IDS) , IoT , XGBoost , cloudtechnologies , risk assessment , interpretability
Тип документа
Мова
ISSN
Посилання на публікацію
Серія, номер
ISBN
ББК
Інші ідентифікатори
Пов’язані матеріали
Спонсорська підтримка
Правовласник
Бібліографічний опис
Паламарчук А. В. Застосування методів пояснюваного штучного інтелекту для моніторингу та оцінки ризиків у гетерогенних мережах // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29363.
Схвалення
Рецензія
Доповнено
Цитується в
Список використаної літератури (1)
- [1] An xgboost-based intrusion detection framework with interpretability analysis for iot networks [Electronic resource] / Yunwen Hu [et al.] // Applied sciences. – 2026. – Vol. 16, no. 2. – P. 980. – Mode of access: https://doi.org/10.3390/app16020980 (date of access: 02.03.2026). – Title from screen. [2] Explainable artificial intelligence (XAI) for intrusion detection and mitigation in intelligent connected vehicles: a review [Electronic resource] / Cosmas Ifeanyi Nwakanma [et al.] // Applied sciences. – 2023. – Vol. 13, no. 3. – P. 1252. – Mode of access: https://doi.org/10.3390/app13031252 (date of access: 02.03.2026). – Title from screen. [3] Sowjanya Y. FBZX: A novel explainable AI based security model for iot healthcare systems / Yemineni Sowjanya, S. Gopalakrishnan, R. Diner Kumar // Third international conference on augmented intelligence and sustainable systems (ICAISS). – 2025. – No. 2025. – P. 106–110.