<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Методи глибокого навчання у системах виявлення кіберзагроз корпоративних мереж

Ескіз

Файли

28821.pdf (204,22 KB)

Дата

2026

Автори

Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

The paper examines the application of deep learning algorithms to detect intrusions in corporate networks.

Опис

Ключові слова

cybersecurity , machine learning , anomalies , neural networks

УДК

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.

ISSN

Бібліографічний опис

Кирилащук Т. Г., Бондар О. Методи глибокого навчання у системах виявлення кіберзагроз корпоративних мереж // 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/28821.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/53867

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2026)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (5)

  1. Berman D. S., Buczak A. L., Chavis J. S., Corbett C. L. Deep Learning for Cyber Security: A Review. arXiv preprint arXiv:1803.11107. 2018.
  2. Xin Y., Kong L., Liu Z., Chen Y. Machine Learning and Deep Learning Methods for Cybersecurity. IEEE Access. Vol. 6. 2018. P. 35365-35381.
  3. Shaukat K., Luo S., Varadharajan V. A Survey on Machine Learning Techniques for Malware Detection and Analysis. IEEE Access. Vol. 8. 2020. P. 185448-185466.
  4. Ferrag M. A., Maglaras L., Moschoyiannis S., Janicke H. Deep Learning for Cyber Security in Smart Grids: A Survey. Computers & Security. Vol. 80. 2019. P. 111-132.
  5. Aldweesh A., Derhab A., Belaoued M. Deep Learning Approaches for Intrusion Detection System: A Comprehensive Review and Future Directions. IEEE Access. Vol. 8. 2020. P. 218933218958.