Отрывок: 5 GB). Table 1 shows features of network sessions recorded during traffic collection. TABLE 1. FEATURES OF NETWORK SESSIONS Features Description Data type time Timestamp string smac Source MAC address string dmac Destination MAC address string sip Source IP string dip Destination IP address string request Indicates if the packet is a request (master-to- slave packet) boolean fc Function code integer error Indicates whether there was an error in ...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorVasilyev V.ru
dc.contributor.authorVulfin A.ru
dc.contributor.authorKirillova A.ru
dc.coverage.spatialheterogeneous industrial networkru
dc.coverage.spatialDataSetru
dc.coverage.spatialmachine learningru
dc.coverage.spatialnetwork attacksru
dc.coverage.spatialсетевые атакиru
dc.coverage.spatialмашинное обучениеru
dc.coverage.spatialгетерогенные промышленные сетиru
dc.coverage.spatialнабор данныхru
dc.creatorVasilyev V., Vulfin A., Kirillova A.ru
dc.date.issued2022ru
dc.identifierRU\НТБ СГАУ\491251ru
dc.identifier.citationVasilyev , V. Algorithms for proactive security of industrial systems based on machine learning technologies / V. Vasilyev , A. Vulfin, A. Kirillova // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 4: Искусственный интеллект / под ред. А. В. Никонорова. - 2022. - С. 042412.ru
dc.description.abstractApproaches to improving the efficiency of network attack detection algorithms in heterogeneous industrial networks based on machine learning technologies are considered. An algorithm for analyzing and processing network traffic has been developed in the task of detecting malicious network activity. The Electra dataset is used to train the proposed machine learning models and heterogeneous neural network models.ru
dc.description.abstractАлгоритм анализа и обработки сетевого трафика был разработан для решения задачи обнаружения вредоноснойсетевой активности. Набор данных Electra используется для обучения предложенных моделей машинного обучения и гетерогенных нейронных сетевых моделей.ru
dc.language.isoengru
dc.relation.ispartofИнформационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. -ru
dc.sourceИнформационные технологии и нанотехнологии (ИТНТ-2022). - Т. 4 : Искусственный интеллектru
dc.titleAlgorithms for proactive security of industrial systems based on machine learning technologiesru
dc.typeTextru
dc.citation.spage042412ru
dc.citation.volume4ru
dc.textpart5 GB). Table 1 shows features of network sessions recorded during traffic collection. TABLE 1. FEATURES OF NETWORK SESSIONS Features Description Data type time Timestamp string smac Source MAC address string dmac Destination MAC address string sip Source IP string dip Destination IP address string request Indicates if the packet is a request (master-to- slave packet) boolean fc Function code integer error Indicates whether there was an error in ...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Размер Формат  
ИТНТ-2022. Том 4. Искусственный интеллект/978-5-7883-1792-2_2022-042412.pdf771.86 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.