Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
https://repository.hneu.edu.ua/handle/123456789/36690Повний запис метаданих
| Поле DC | Значення | Мова |
|---|---|---|
| dc.contributor.author | Рихва В. | - |
| dc.contributor.author | Солодовник Г. | - |
| dc.date.accessioned | 2025-06-12T21:01:06Z | - |
| dc.date.available | 2025-06-12T21:01:06Z | - |
| dc.date.issued | 2025 | - |
| dc.identifier.citation | 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. | uk_UA |
| dc.identifier.uri | https://repository.hneu.edu.ua/handle/123456789/36690 | - |
| dc.description.abstract | 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. | uk_UA |
| dc.language.iso | uk_UA | uk_UA |
| dc.subject | Deep learning | uk_UA |
| dc.title | Deep learning у системах виявлення вторгнень: аналіз архітектур, переваг та обмежень | uk_UA |
| dc.type | Article | uk_UA |
| 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.