АНАЛИЗ ПОЛЬЗОВАТЕЛЬСКОГО ПОВЕДЕНИЯ В СЕТЯХ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ГЛУБОКОГО ОБУЧЕНИЯ
Keywords:
Глубокое обучение, анализ поведения пользователей, нейронные сети, кибербезопасность, сетевой трафик, искусственный интеллект.Abstract
В статье рассматривается применение методов глубокого обучения для анализа поведения пользователей в компьютерных сетях. Рост объемов сетевого трафика и использование сложных цифровых сервисов создают новые вызовы в обеспечении безопасности и управлении сетевыми ресурсами. Целью работы является исследование подходов, основанных на нейронных сетях, для идентификации аномальных действий и моделирования типичных паттернов поведения пользователей. Предложена концепция системы анализа сетевых данных в реальном времени, способной выявлять подозрительную активность на основе исторических данных.References
1. Kim, J., & Kim, H. (2022). Deep learning-based user behavior analysis for anomaly detection in network systems. *IEEE Access.*
2. Ahmed, M., Mahmood, A., & Hu, J. (2016). A survey of network anomaly detection techniques. *Journal of Network and Computer Applications.*
3. Xu, K., & Wang, J. (2020). Behavioral modeling using LSTM networks for cybersecurity applications. *Computer Communications.*
4. Zhao, Y., & Li, S. (2021). Autoencoder-based approaches for user behavior analysis and intrusion detection. *Neurocomputing.*
5. Sadeghzadeh, M., & Dehghantanha, A. (2023). Deep behavioral analytics for threat detection in large-scale networks. *Future Generation Computer Systems.*
Downloads
Published
2025-10-27
Issue
Section
Articles
