Выпускная квалификационная работа посвящена обеспечению безопасности беспроводных сенсорных сетей (Wireless Sensor Networks, WSN) от атак вредоносных узлов. Проанализированы функциональные особенности данного типа сетей и распространенные типы атак на них. В рамках исследования предложено использование адаптивного поведения узлов для сохранения работоспособности сети в условиях совершения атак. В качестве математической модели для достижения интеллектуально-адаптивного поведения используется обучающийся автомат (learning automata). Для выявления актуальных атак на устройства сети разработан метод, основанный на интеллектуальном анализе показателей функционирования устройств. Показатели функционирования устройств анализируются с использованием алгоритмов машинного обучения. Повышение качества выборок для обучения осуществляется с использованием генеративной-состязательной сети (generative adversarial network, GAN).

Graduate qualification work is devoted to ensuring the security of wireless sensor networks (Wireless Sensor Networks, WSN) against attacks by malicious nodes. The functional features of this type of networks and common types of attacks on them are analyzed. Within the framework of the study, it is proposed to use the adaptive behavior of nodes to maintain the network operability in the context of attacks. A learning automata is used as a mathematical model to achieve intelligently adaptive behavior. To identify actual attacks on network devices, a method has been developed based on an intelligent analysis of the performance indicators of devices. The performance indicators of devices are analyzed using machine learning algorithms. Improving the quality of training samples is carried out using a generative adversarial network (GAN).