Целью работы является повышение качества обнаружения вторжений ансамблевых моделей с использование градиентного усиления в сетевом трафике. Под качеством понимается точность определения каждого типа атак. Объектом данного исследования является трафик, генерируемый устройствами интернета вещей. Предметом исследования являются методы обнаружения атак. Задачи, решаемые в ходе исследования: 1. Провести анализ исследуемого набора данных, его характеристик и особенностей. 2. Провести анализ ансамблевых моделей и градиентного усиления. 3. Разработать программный прототип на основе градиентного бустинга, классифицирующий сетевые атаки. 4. Провести эксперименты и проанализировать результаты классификации. В результате работы был разработан программный прототип, решающий задачу обнаружения сетевых атак, и была продемонстрированная его эффективность. Полученные результаты могут быть использованы в качестве основы для дальнейших исследований возможностей градиентного усиления в задаче классификации сетевых атак.

The aim of the work is to improve the quality of intrusion detection of ensemble models using gradient boosting in network traffic. Quality is understood as the accuracy of detection of each type of attack. The object of this research is the traffic generated by Internet of Things devices. The subject of the study is attack detection methods. The objectives addressed in the research are: 1. To analyze the dataset under study, its characteristics and features. 2. To analyze the ensemble models and gradient boosting. 3. Develop a software prototype based on gradient boosting that classified network attacks. 4. Conduct experiments and analyze the classification results. As a result of this work, has been developed a software prototype that solves the problem of network attack detection and its effectiveness has been demonstrated. The obtained results can be used as a basis for further research into the possibilities of gradient amplification in the task of classifying network attacks.