В настоящей выпускной квалификационной работе специалиста приведены результаты исследования применимости нейросетевой архитектуры LSTM-GAN для решения задачи обнаружения аномалий сетевого трафика. Работа содежрит анализ существующих типов аномалий, а также способов выявления аномальных отклонений в сетевом трафике. Для решения задачи выбрана архитектура LSTM-GAN, определены параметры модели и исходных данных. Реализован программный прототип нейросетевой модели LSTM-GAN для обнаружения аномалий сетевого трафика.

In this specialist graduation qualification work, the results of the study of the applicability of the LSTM-GAN neural network architecture for solving the problem of network traffic anomalies are presented. The work contains an analysis of existing types of anomalies, as well as ways to detect abnormal deviations in network traffic. To solve the problem, the LSTM-GAN architecture was chosen, the parameters of the model and the source data were determined. A software prototype of the LSTM-GAN neural network model for detection network traffic anomalies has been implemented.