| dc.contributor.author | Паламарчук, А. В. | uk |
| dc.contributor.author | Palamarchuk, A. V. | en |
| dc.date.accessioned | 2026-09-03T10:32:57Z | |
| dc.date.available | 2026-09-03T10:32:57Z | |
| dc.date.issued | 2026 | |
| dc.identifier.citation | 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. | uk |
| dc.identifier.uri | https://ir.lib.vntu.edu.ua/handle/123456789/53016 | |
| dc.description.abstract | 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 | uk |
| dc.description.abstract | The paper explores the current problem of integrating Explainable Artificial Intelligence (XAI) methods into Intrusion | en |
| dc.language.iso | uk_UA | uk_UA |
| dc.publisher | ВНТУ | uk |
| dc.relation.ispartof | Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. | uk |
| dc.relation.uri | https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/29363 | |
| dc.subject | кібербезпека | uk |
| dc.subject | пояснюваний штучний інтелект (XAI) | uk |
| dc.subject | виявлення вторгнень (IDS) | uk |
| dc.subject | IoT | en |
| dc.subject | XGBoost | en |
| dc.subject | хмарні технології | uk |
| dc.subject | оцінка ризиків | uk |
| dc.subject | інтерпретованість | uk |
| dc.subject | cybersecurity | en |
| dc.subject | explainable artificial intelligence (XAI) | en |
| dc.subject | intrusion detection (IDS) | en |
| dc.subject | IoT | en |
| dc.subject | XGBoost | en |
| dc.subject | cloudtechnologies | en |
| dc.subject | risk assessment | en |
| dc.subject | interpretability | en |
| dc.title | Застосування методів пояснюваного штучного інтелекту для моніторингу та оцінки ризиків у гетерогенних мережах | uk |
| dc.type | Thesis | |
| dc.identifier.udc | 004.056:[004.891:004.77] | |
| dc.relation.references | [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. | en |
