Repository logo
Communities & Collections
All of CRUST
Statistics
English
Yкраїнська
New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Онищенко, О. В."

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Item type:Item,
    Ідентифікація трафіку мереж передачі даних у реальному часі
    (Вісник Приазовського державного технічного університету, 2025) Клюшник, В. В.; Чернецький, Євгеній Вячеславович; Онищенко, О. В.
    UKR: У статті розглянуто сучасні підходи до ідентифікації та класифікації мережевого трафіку в реальному часі. Дослідження підкреслює актуальність проблеми, пов'язаної з високою динамікою мережевого середовища, та необхідність точних методів для управління, захисту даних і виявлення аномалій. Представлено огляд існуючих моделей трафіку, включаючи моделі на основі розподілів, часових рядів, фрактальних моделей та ланцюгів Ма-ркова. Проведено аналіз методів класифікації, таких як використання номерів портів, DPI (Deep Packet Inspection), машинне навчання та статистичний аналіз пакетів. Критичний аналіз виявив переваги та обме-ження кожної моделі. Простота реалізації та ефективність моделей розподілу обмежуються врахуванням залежності міжданими. Моделі часових рядів придатні для прогнозування, але потребують значних обчислюва-льних ресурсів. Фрактальні моделі забезпечують аналіз довготривалих залежностей, проте їх застосування у реальному часі є складним. Ланцюги Маркова демонструють високу точність, але вимагають точної ініціалізації параметрів. Особливу увагу приділено інтеграції методів машинного навчання та оптимізації обчислюваль-них процесів для роботи із зашифрованим трафіком і в умовах обмежених ресурсів. Автори наголошують на необхідності розробки гібридних рішень, що поєднують переваги різних підходів, та визначають перспективи для подальших досліджень, спрямованих на створення більш точних і продуктивних систем аналізу трафіку. Ключові напрями подальших досліджень включають автоматизацію параметризації моделей, врахування заши-фрованого трафіку та розробку алгоритмів машинного навчання, оптимізованих для роботи в реальному часі. Стаття є вагомим внеском у розвиток методів ідентифікації мережевого трафіку, пропонуючи шляхи підвищення безпеки та якості обслуговування мереж.

DSpace software copyright © 2002-2026 LYRASIS

  • Accessibility settings
  • Privacy policy
  • End User Agreement
  • Send Feedback
Repository logo COAR Notify