Details

Целью работы является определение параметров нейронной сети с помощью генетического алгоритма для повышения точности обнаружения сетевых атак. Предметом исследования является архитектура нейронной сети, параметры которой определяются генетическим алгоритмом. Задачи, решаемые в ходе исследования: 1. Провести анализ структур нейронных сетей для обнаружения сетевых атак. 2. Провести анализ операторов генетического алгоритма. 3. Разработать программный прототип для нахождения параметров нейронной сети с помощью генетического алгоритма. 4. Провести тестирование разработанного прототипа. В ходе работы были проанализированы подходы к обнаружению сетевых атак, основанные на нейронных сетях. Были исследованы архитектурные особенности нейронных сетей и ключевые параметры их формирования. Был сделан вывод, что оптимизация параметров нейронных сетей обнаружения сетевых атак требует более глубокого изучения. В результате работы был разработан метод формирования архитектуры многослойного перцептрона с помощью генетического алгоритма. Оценена точность полученной модели обнаружения сетевых атак на наборе данных CICIoT2023. Результаты оценки показали высокую точность. Полученные результаты могут быть использованы в качестве основы для формирования архитектуры любого типа нейронной сети с целью эффективного обнаружения сетевых атак.

The purpose of the study is determination the parameters of a neural network using a genetic algorithm to improve the accuracy of network attack detection. The subject of the work is the architecture of a neural network, the parameters of which are determined by a genetic algorithm. The research set the following goals: 1. To analyze neural network structures for network attack detection. 2. To analyze the operators of the genetic algorithm. 3. Develop a software prototype for finding neural network parameters using genetic algorithm. 4. To test the developed prototype. In the course of the work, approaches to network attack detection based on neural networks have been analyzed. The architectural features of neural networks and key parameters of their formation were investigated. It was concluded that optimizing the parameters of neural networks for network attack detection requires more in-depth study. As a result of the work, a method of formation of multilayer perceptron architecture using genetic algorithm was developed. The accuracy of the obtained network attack detection model was evaluated on the CICIoT2023 dataset. The evaluation results showed high accuracy. The obtained results can be used as a basis for forming the architecture of any type of neural network to effectively detect network attacks.