В статье рассматривается подход к обнаружению сетевых аномалий в IoT-средах с использованием методов машинного обучения на основе анализа потоковых характеристик трафика. Исследуются датасеты BoT-IoT, WUSTL-IIoT-2021 и IoT Network Industrial Dataset, дополненные данными из лабораторной среды на Raspberry Pi 5. Сравниваются модели логистической регрессии, k-NN, случайного леса и градиентного бустинга по метрикам ROC-AUC, F1-score, Precision и Recall. Ансамблевые методы демонстрируют наилучшую точность и устойчивость. Предлагаемый метод ресурсоэффективен и адаптируем для реальных IoT-сетей. Перспективы: расширение сценариев атак и внедрение XAI.

Хабибуллин А.В., Хабибуллин А.В., Фронек П.А., Залеткина В.В. (науч. рук. Авдошин С.М.) Методы машинного обучения для обнаружения сетевых аномалий в iot-средах // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/17529