Методи та засоби прогнозування мережевих аномалій на основі генеративних алгоритмів у хмарному середовищі

Abstract

Ковальський В. Т. Методи та засоби прогнозування мережевих аномалій у хмарному середовищі з використанням генеративних алгоритмів: робота на здобуття кваліфікаційного ступеня магістра: спец. 123 — комп’ютерна інженерія / наук.кер. Тиш Є. В. Тернопіль: Тернопільський національний технічний університет імені Івана Пулюя, 2025.

Ключові слова: мережеві аномалії, генеративні алгоритми, хмарні обчислення, прогнозування, нейронні мережі, кібербезпека.

Кваліфікаційна робота присвячена дослідженню методів і засобів прогнозування мережевих аномалій у хмарних середовищах із використанням генеративних алгоритмів. У роботі здійснено аналіз сучасних наукових досліджень у сфері виявлення та прогнозування аномальної поведінки мережевого трафіку, а також акцентовано увагу на можливостях проактивного захисту інформаційних систем. Особливу увагу приділено застосуванню моделей глибинного навчання, зокрема генеративних нейронних мереж, для формування прогнозних сценаріїв мережевої активності. Отримані результати мають практичне значення для підвищення надійності та безпеки хмарних і корпоративних ІТ-інфраструктур, а також можуть бути використані під час розроблення інтелектуальних систем моніторингу мережевого трафіку та засобів інформаційної безпеки.

Kovalskyi V.T. Methods and Tools for Predicting Network Anomalies Based on Generative Algorithms in a Cloud Environment: Master’s Graduation Thesis: speciality 123 — Сomputer engineering / supervisor Tysh Іе.V. Ternopil: Ternopil Ivan Puluj National Technical University, 2025.

Keywords: network anomalies, generative algorithms, cloud computing, prediction, neural networks, cybersecurity.

This thesis is devoted to the study of methods and means of predicting network anomalies in cloud environments using generative algorithms. The thesis analyzes current scientific research in the field of detecting and predicting abnormal network traffic behavior, and focuses on the possibilities of proactive protection of information systems. Particular attention is paid to the application of deep learning models, in particular generative neural networks, for forming predictive scenarios of network activity. The results obtained are of practical importance for improving the reliability and security of cloud and corporate IT infrastructures, and can also be used in the development of intelligent network traffic monitoring systems and information security tools.