ISSN 2413‑1261 

Детектування трафіку DDoS-атаки на Веб-сервери за допомогою машинного навчання

Скорочена інформація про документ
dc.contributor.authorСтрелковська, Ірина Вікторівна
dc.contributor.authorСтрелковська, І. В.
dc.contributor.authorStrelkovska, Iryna V.
dc.contributor.authorСоловська, Ірина Миколаївна
dc.contributor.authorСоловська, І. М.
dc.contributor.authorSolovska, Iryna M.
dc.contributor.authorСтрелковська, Юлія Олександрівна
dc.contributor.authorСтрелковська, Ю. О.
dc.contributor.authorStrelkovska, Yuliia O.
dc.contributor.authorКостенко, М. О.
dc.date.accessioned2025-07-31T12:02:19Z
dc.date.issued2025
dc.descriptionСтрелковська І. В. Детектування трафіку DDoS-атаки на Веб-сервери за допомогою машинного навчання / І. В. Стрелковська, І. М. Соловська, Ю. О. Стрелковська, Ю. О. Костенко // Передові технології в інформаційно-комунікаційній інженерії (ATICE'2025) : матеріали Міжнародної конференції / за заг. ред. С. В. Ківалова ; Міжнародний гуманітарний університет. – Одеса : Видавничий дім «Гельветика», 2025. – С. 31-35. - Режим доступу: https://doi.org/10.32837/11300.30171
dc.description.abstractРозглянуто задачу детектування трафіку DDoS-атак (HTTP GET-flood, HTTP POST-flood), які спрямовані на суттєве перевантаження Веб-серверів. Встановлено, що для детектування трафіку DDoS-атак прикладного рівня L7 доцільним є використанням машинного навчання. Запропоновано використання сплайн-апроксимації на базі кубічних сплайнів для детектування сегментів з аномальними сплесками та коливаннями трафіку, з подальшою класифікацією легітимного та шкідливого DDoS-трафіку за допомогою методу k-найближчих сусідів KNN. Розроблений підхід дозволяє детектувати DDoS-трафік та прийняти рішення щодо зміни стратегії керування мережним трафіком в реальному часі.
dc.identifier.citationСтрелковська І. В. Детектування трафіку DDoS-атаки на Веб-сервери за допомогою машинного навчання / І. В. Стрелковська, І. М. Соловська, Ю. О. Стрелковська, Ю. О. Костенко // Передові технології в інформаційно-комунікаційній інженерії (ATICE'2025) : матеріали Міжнародної конференції / за заг. ред. С. В. Ківалова ; Міжнародний гуманітарний університет. Одеса : Видавничий дім «Гельветика», 2025. С. 31-35. URL: https://hdl.handle.net/11300/30171; DOI: https://doi.org/10.32837/11300.30171
dc.identifier.doi10.32837/11300.30171
dc.identifier.urihttps://hdl.handle.net/11300/30171
dc.publisherОдеса : Видавничий дім «Гельветика»
dc.subjectдетектування
dc.subjectDDoS-атака
dc.subjectDDoS-трафік
dc.subjectHTTP GET-flood
dc.subjectHTTP POST-flood
dc.subjectсплайн-апроксимація
dc.subjectмашинне навчання
dc.subjectлегітимний трафік
dc.subjectшкідливий трафік
dc.subjectметод k-найближчих сусідів KNN
dc.titleДетектування трафіку DDoS-атаки на Веб-сервери за допомогою машинного навчання
dc.typeArticle

Файли

Контейнер файлів

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Стрелковська І. В., Соловська І. М., Стрелковська Ю. О., Костенко М. О. Детектування трафіку DDoS-атаки на Веб-сервери....pdf
Розмір:
459.92 KB
Формат:
Adobe Portable Document Format
Завантажити

Ліцензійна угода

Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
license.txt
Розмір:
1.71 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Передові технології в інформаційно-комунікаційній інженерії (ATICE'2025) : матеріали Міжнародної конференції (Одеса, 18 липня 2025 р.)