Deep learning у системах виявлення вторгнень: аналіз архітектур, переваг та обмежень

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.