
В работе представлен методологический подход к классификации аномалий сетевого трафика и описана взаимосвязь их источников, областей проявления и характерных признаков. Рассмотрены оптимизированные схемы детекции аномалий и злоупотреблений на основе пороговых, статистических и машинно-обученных методов. Предложена формальная модель для выявления и классификации аномальных событий в распределённых сетях, обеспечивающая высокую точность обнаружения и адаптивную настройку параметров
детекция, пороговые методы, классификация, адаптивная модель, машинное обучение, сетевая аномалия
детекция, пороговые методы, классификация, адаптивная модель, машинное обучение, сетевая аномалия
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
