NETWORK INTRUSION DETECTION MODEL BASED ON CONVOLUTIONAL NEURAL NETWORKS AND TABULAR DATA CONVERTED INTO IMAGES
ID елемента: 22662
2026/05/05
Цитування
eNUPPIR (). NETWORK INTRUSION DETECTION MODEL BASED ON CONVOLUTIONAL NEURAL NETWORKS AND TABULAR DATA CONVERTED INTO IMAGES. https://enuppir.politeh.duckdns.org/item/22662
eNUPPIR. "NETWORK INTRUSION DETECTION MODEL BASED ON CONVOLUTIONAL NEURAL NETWORKS AND TABULAR DATA CONVERTED INTO IMAGES." Web. . <https://enuppir.politeh.duckdns.org/item/22662>.
eNUPPIR. "NETWORK INTRUSION DETECTION MODEL BASED ON CONVOLUTIONAL NEURAL NETWORKS AND TABULAR DATA CONVERTED INTO IMAGES." Accessed . https://enuppir.politeh.duckdns.org/item/22662.
Скопійовано в буфер обміну
Властивості
Назва
Англійська
NETWORK INTRUSION DETECTION MODEL BASED ON CONVOLUTIONAL NEURAL NETWORKS AND TABULAR DATA CONVERTED INTO IMAGES
Російська
.
Українська
МОДЕЛЬ ВИЯВЛЕННЯ ВТОРГНЕНЬ У КОМП’ЮТЕРНУ МЕРЕЖУ НА ОСНОВІ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ ТА ТАБЛИЧНИХ ДАНИХ, ПЕРЕТВОРЕНИХ НА ЗОБРАЖЕННЯ
Опис
Англійська
The object of the study is the process of identifying the state of a computer systems and network. The subject of the study are the methods of identifying the state of computer systems and networks. The purpose of this paper is to improve the quality of detecting intrusions into computer networks. The UNSW-NB 15 set, which contains information about the normal functioning of the network and during synthetic intrusions, was used as input. Deep neural networks (DL), their advantages and problems in big data processing are considered. It was found that deep neural networks when processing tabular data require their transformation. Modern methods of tabular data transformation were studied. The results obtained. A method of converting tabular data into an image is proposed. The method converts each object of a separate class from a set of tabular data into an image by mapping the attribute values onto a two-dimensional plane. The method was implemented programmatically using the GOOGLE COLAB cloud service based on Jupyter Notebook. Conclusions. It was found that the use of the proposed conversion method of tabular data into an image made it possible to use a classification model based on the CNN neural network and increase the quality of detection of intrusions into computer networks up to 4%.
Російська
52-55
Українська
Об’єктом дослідження є процес ідентифікації стану комп’ютерної системи та мережі. Предметом дослідження є методи ідентифікації стану комп'ютерних систем і мереж. Метою даної роботи є підвищення якості виявлення вторгнень в комп'ютерні мережі. В якості вхідних даних використовувався набір UNSW-NB 15, який містить інформацію про нормальне функціонування мережі та під час синтетичних вторгнень. Розглянуто глибокі нейронні мережі (DL), їх переваги та проблеми в обробці великих даних. Виявлено, що глибокі нейронні мережі при обробці табличних даних потребують їх трансформації. Досліджено сучасні методи трансформації табличних даних. Отримано такі результати. Запропоновано метод перетворення табличних даних в зображення. Метод перетворює кожен об’єкт окремого класу з набору табличних даних на зображення шляхом відображення значень атрибутів на двовимірну площину. Метод реалізовано програмно за допомогою хмарного сервісу GOOGLE COLAB на базі Jupyter Notebook. Висновки. Встановлено, що використання запропонованого методу перетворення табличних даних в зображення дозволило використати модель класифікації на основі нейронної мережі CNN та підвищити якість виявлення вторгнень у комп’ютерні мережі до 4%.
Автор
Англійська
Gavrylenko, Svitlana
Англійська
Poltoratskyi, Vadim
Тематика
Англійська
intrusion detection systems
Англійська
computer networks
Англійська
machine learning
Англійська
deep neural networks
Англійська
tabular data conversion
Російська
11
Українська
системи виявлення вторгнень
Українська
комп'ютерні мережі
Українська
машинне навчання
Українська
глибокі нейронні мережі
Українська
перетворення табличних даних
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/3513
10.26906/SUNZ.2024.4.052
Джерело
Англійська
Control, Navigation and Communication Systems. Academic Journal; Vol. 4 No. 78 (2024): Control, Navigation and Communication Systems; 52-55
Російська
Системы управления, навигации и связи. Сборник научных трудов; Том 4 № 78 (2024): Системи управління, навігації та зв’язку; 52-55
Українська
Системи управління, навігації та зв’язку. Збірник наукових праць; Том 4 № 78 (2024): Системи управління, навігації та зв’язку; 52-55
2073-7394
10.26906/SUNZ.2024.4
2024. №4 (78)
Мова
en
Відношення
https://journals.nupp.edu.ua/sunz/article/view/3513/2927
Права
Українська
Авторське право (c) 2024 Svitlana Gavrylenko, Vadim Poltoratskyi
Інформація про метадані
Створено
2026-5-5 12:57
Остання зміна
2026-5-5 12:57
ID елемента
#22662