ANALYSIS OF METHODS FOR DETECTING ANOMALOUS TRAFFIC IN IOT NETWORKS
ID елемента: 22600
2026/05/05
Цитування
eNUPPIR (). ANALYSIS OF METHODS FOR DETECTING ANOMALOUS TRAFFIC IN IOT NETWORKS. https://enuppir.politeh.duckdns.org/item/22600
eNUPPIR. "ANALYSIS OF METHODS FOR DETECTING ANOMALOUS TRAFFIC IN IOT NETWORKS." Web. . <https://enuppir.politeh.duckdns.org/item/22600>.
eNUPPIR. "ANALYSIS OF METHODS FOR DETECTING ANOMALOUS TRAFFIC IN IOT NETWORKS." Accessed . https://enuppir.politeh.duckdns.org/item/22600.
Скопійовано в буфер обміну
Властивості
Назва
Англійська
ANALYSIS OF METHODS FOR DETECTING ANOMALOUS TRAFFIC IN IOT NETWORKS
Російська
.
Українська
АНАЛІЗ МЕТОДІВ ВИЯВЛЕННЯ АНОМАЛЬНОГО ТРАФІКУ В МЕРЕЖАХ IOT
Опис
Англійська
The aim of this work is to conduct a comprehensive analysis of methods and approaches for anomaly detection in Internet of Things (IoT) networks. Considering the rapid development of IoT and the increasing number of connected devices, the problem of detecting anomalous traffic becomes crucial for ensuring the security and efficiency of these networks. This study examines various methods and approaches to anomaly detection, including statistical analysis, network monitoring, behavioral analysis, as well as the application of modern machine learning and deep learning technologies. Each of these methods is considered from the perspective of its applicability in the context of IoT and its advantages and limitations are evaluated. The work also explores current challenges and future prospects in the field of IoT security, with a focus on protection against cyber threats and the enhancement of anomaly detection systems.
Російська
129-133
Українська
Метою даної роботи є проведення комплексного аналізу методів та підходів до виявлення аномалій в мережах Інтернету речей (IoT). З урахуванням стрімкого розвитку IoT і збільшення кількості підключених пристроїв, проблема виявлення аномального трафіку стає актуальною для забезпечення безпеки та ефективності цих мереж. У роботі розглядаються різні методи та підходи до виявлення аномалій, включаючи статистичний аналіз, мережевий моніторинг, поведінковий аналіз, а також застосування сучасних технологій машинного та глибокого навчання. Кожен із цих методів розглядається з точки зору його застосовності в контексті IoT та оцінюються його переваги та обмеження. Робота також розглядає сучасні виклики і перспективи розвитку у галузі безпеки IoT, з фокусом на захисті від кіберзагроз та посиленні систем виявлення аномалій.
Автор
Українська
Marchenko, Roman
Українська
Kovalenko, Andriy
Українська
Znaidiuk, Vasyl
Тематика
Англійська
Internet of Things
Англійська
anomalous traffic
Англійська
machine learning
Англійська
deep learning
Англійська
statistical analysis
Російська
28
Українська
Інтернет речей
Українська
аномальний трафік
Українська
машинне навчання
Українська
глибинне навчання
Українська
статистичний аналіз
Видавництво
Українська
Національний університет «Полтавська політехніка імені Юрія Кондратюка»
Тип
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Українська
Рецензована Стаття
Формат
application/pdf
Ідентифікатор
https://journals.nupp.edu.ua/sunz/article/view/3284
10.26906/SUNZ.2024.1.133
Джерело
Англійська
Control, Navigation and Communication Systems. Academic Journal; Vol. 1 No. 75 (2024): Control, Navigation and Communication Systems; 133-136
Російська
Системы управления, навигации и связи. Сборник научных трудов; Том 1 № 75 (2024): Системи управління, навігації та зв’язку; 133-136
Українська
Системи управління, навігації та зв’язку. Збірник наукових праць; Том 1 № 75 (2024): Системи управління, навігації та зв’язку; 133-136
2073-7394
10.26906/SUNZ.2024.1
2024. №1 (75)
Мова
uk
Відношення
https://journals.nupp.edu.ua/sunz/article/view/3284/2706
Права
Українська
Авторське право (c) 2024 Roman Marchenko, Andriy Kovalenko, Vasyl Znaidiuk
Інформація про метадані
Створено
2026-5-5 12:56
Остання зміна
2026-5-5 12:56
ID елемента
#22600