Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
https://repository.hneu.edu.ua/handle/123456789/36690| Назва: | Deep learning у системах виявлення вторгнень: аналіз архітектур, переваг та обмежень |
| Автори: | Рихва В. Солодовник Г. |
| Теми: | Deep learning |
| Дата публікації: | 2025 |
| Бібліографічний опис: | Рихва В. Deep learning у системах виявлення вторгнень: аналіз архітектур, переваг та обмежень / В. Рихва, Г. Солодовник // 4th International Scientific and Practical Conference "Global Directions in Scientific Research and Technological Development": тези доповідей. June 2-4, 2025. - Valencia, Spain, 2025. - Pp. 61-64. |
| Короткий огляд (реферат): | Розглянуто різні методи глибокого навчання (Deep Learning) у системах виявлення вторгнень (IDS) у комп’ютерних мережах. А саме, такі архітектури нейронних мереж як CNN, RNN, LSTM, Autoencoder, GNN, а також їх ефективність у виявленні складних атак. Окрему увагу приділено перевагам і обмеженням використання Deep Learning у сфері кібербезпеки. |
| URI (Уніфікований ідентифікатор ресурсу): | https://repository.hneu.edu.ua/handle/123456789/36690 |
| Розташовується у зібраннях: | Статті (КІТ) |
Файли цього матеріалу:
| Файл | Опис | Розмір | Формат | |
|---|---|---|---|---|
| Volodymyr_Rykhva1.pdf | 1,44 MB | Adobe PDF | Переглянути/відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.