1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
2. Матеріали конференцій, семінарів, читань
3. 2026
4. Ⅸ Міжнародна студентська науково-технічна конференція „Природничі та гуманітарні науки. Актуальні питання“ (2026)

Title:	Методи машинного навчання для виявлення аномалій у мережевому трафіку сучасних інформаційних систем
Other Titles:	Machine learning methods for detecting anomalies in network traffic in modern information systems
Authors:	Ясінський, О. Yasinskyi, O.
Affiliation:	Тернопільський національний технічний університет імені Івана Пулюя Ternopil Ivan Puluj National Technical University
Bibliographic description (Ukraine):	Ясінський О. Методи машинного навчання для виявлення аномалій у мережевому трафіку сучасних інформаційних систем / Ясінський О. // Матеріали IX Міжнар. студ. наук.-техн. конф. „Природничі та гуманітарні науки. Актуальні питання“, 24-25 квітня 2026 р. — Т. : ТНТУ, 2026. — С. 264–265. — (Інформаційні технології).
Bibliographic reference (2015):	Ясінський О. Методи машинного навчання для виявлення аномалій у мережевому трафіку сучасних інформаційних систем // Матеріали IX Міжнар. студ. наук.-техн. конф. „Природничі та гуманітарні науки. Актуальні питання“, Тернопіль, 24-25 квітня 2026 р. 2026. С. 264–265.
Bibliographic citation (APA):	Yasinskyi, O. (2026). Metody mashynnoho navchannia dlia vyiavlennia anomalii u merezhevomu trafiku suchasnykh informatsiinykh system [Machine learning methods for detecting anomalies in network traffic in modern information systems]. Proceedings of the IX International Student Scientific and Technical Conference “Natural Sciences and Humanities. Current Issues”, 24-25 April 2026, Ternopil, 264-265. TNTU. [in Ukrainian].
Bibliographic citation (CHICAGO):	Yasinskyi O. (2026) Metody mashynnoho navchannia dlia vyiavlennia anomalii u merezhevomu trafiku suchasnykh informatsiinykh system [Machine learning methods for detecting anomalies in network traffic in modern information systems]. Proceedings of the IX International Student Scientific and Technical Conference “Natural Sciences and Humanities. Current Issues” (Tern., 24-25 April 2026), pp. 264-265 [in Ukrainian].
Is part of:	Матеріали Ⅸ Міжнародної студентської науково-технічної конференції „Природничі та гуманітарні науки. Актуальні питання“, 2026 Proceedings of the IX International Student Scientific and Technical Conference “Natural Sciences and Humanities. Current Issues”, 2026
Conference/Event:	Ⅸ Міжнародна студентська науково-технічна конференція „Природничі та гуманітарні науки. Актуальні питання“
Journal/Collection:	Матеріали Ⅸ Міжнародної студентської науково-технічної конференції „Природничі та гуманітарні науки. Актуальні питання“
Issue Date:	24-ápr-2026
Date of entry:	10-jún-2026
Publisher:	ТНТУ TNTU
Place of the edition/event:	Тернопіль Ternopil
Temporal Coverage:	24-25 квітня 2026 р. 24-25 April 2026
Supervisor:	Липак, Галина Ігорівна Lypak, H. I.
UDC:	004.8
Keywords:	машинне навчання аномалія мережевий трафік machine learning anomaly network traffic
Number of pages:	2
Page range:	264-265
Start page:	264
End page:	265
URI:	http://elartu.tntu.edu.ua/handle/lib/52233
Copyright owner:	© Тернопільський національний технічний університет імені Івана Пулюя, 2026
URL for reference material:	https://ela.kpi.ua/items/1da6e657-b91a-4842-85f7-ea72ae928ad2 https://www.researchgate.net/publication/322866638_A_Deep_Learning_Approach_to_Network_Intrusion_Detection https://www.researchgate.net/publication/320066760_A_survey_of_deep_learning-based_network_anomaly_detection https://arxiv.org/abs/1901.03407
References (Ukraine):	1. Шевченко А. С., Застело Г. І., Шпачинський Є. О. Аналіз застосування методів машинного навчання на основі штучних нейронних мереж для виявлення кіберзагроз. ela.kpi.ua. 2019. URL: https://ela.kpi.ua/items/1da6e657-b91a-4842-85f7-ea72ae928ad2. 2. Shone N., Tran Nguyen N. A Deep Learning Approach to Network Intrusion Detection. ResearchGate. 2018. URL: https://www.researchgate.net/publication/322866638_A_Deep_Learning_Approach_to_Network_Intrusion_Detection. 3. Kwon D., Kim J. A survey of deep learning-based network anomaly detection. ResearchGate. 2019. URL: https://www.researchgate.net/publication/320066760_A_survey_of_deep_learning-based_network_anomaly_detection. 4. Chalapathy R. Deep Learning for Anomaly Detection: A Survey. arxiv. 2019. URL: https://arxiv.org/abs/1901.03407
References (International):	1. Shevchenko A. S., Zastelo H. I., Shpachynskyi Ye. O. Analiz zastosuvannia metodiv mashynnoho navchannia na osnovi shtuchnykh neironnykh merezh dlia vyiavlennia kiberzahroz. ela.kpi.ua. 2019. URL: https://ela.kpi.ua/items/1da6e657-b91a-4842-85f7-ea72ae928ad2. 2. Shone N., Tran Nguyen N. A Deep Learning Approach to Network Intrusion Detection. ResearchGate. 2018. URL: https://www.researchgate.net/publication/322866638_A_Deep_Learning_Approach_to_Network_Intrusion_Detection. 3. Kwon D., Kim J. A survey of deep learning-based network anomaly detection. ResearchGate. 2019. URL: https://www.researchgate.net/publication/320066760_A_survey_of_deep_learning-based_network_anomaly_detection. 4. Chalapathy R. Deep Learning for Anomaly Detection: A Survey. arxiv. 2019. URL: https://arxiv.org/abs/1901.03407
Content type:	Conference Abstract
Ebben a gyűjteményben:	Ⅸ Міжнародна студентська науково-технічна конференція „Природничі та гуманітарні науки. Актуальні питання“ (2026)

Minden dokumentum, ami a DSpace rendszerben szerepel, szerzői jogokkal védett. Minden jog fenntartva!