В условиях роста объёма сетевого трафика и разнообразия кибератак традиционные методы обнаружения вторжений сталкиваются с ограничениями, что делает необходимым применение методов машинного обучения. В работе предложен подход, включающий сбор и предобработку данных, обучение модели на основе автоэнкодеров и рекуррентных нейронных сетей для выявления аномалий. Также внедрена адаптивная калибровка порога аномальности и кластеризация событий для оптимизации реакции на инциденты. Такой подход способствует повышению эффективности защиты информационных систем и быстроте реагирования на угрозы.

Золотухин А.А., Хазиев Г.Р. (науч. рук. Федирко А.А.) Интеллектуальная система обнаружения аномалий в сетевом трафике на основе нейросетевых моделей // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2026]. URL: https://kmu.itmo.ru/digests/article/18100