Одною із основних перешкод широкому впровадженню нейромережевих методів та моделей в системах виявлення кібератак та в системах виявлення вразливостей ресурсів інформаційних систем є відсутність параметрів на основі яких можливо оцінити їх ефективності. Також відсутні і методи оцінки ефективності такого впровадження. Для вирішення цієї проблеми був проаналізований широкий спектр сучасних нейромережевих методів та моделей, що застосовуються у зазначених системах виявлення. Визначено перелік параметрів і розроблено метод їх використання для оцінки ефективності розробки та вибору вказаних методів та моделей при побудові означених систем виявлення. Отримані результати дозволяють визначити недоліки сучасних нейромережевих засобів виявлення кібератак та засобів виявлення вразливостей і окреслити перспективні шляхи їх вдосконалення.
Одним из основных препятствий широкому внедрению нейросетевых методов и моделей в системах обнаружения кибератак и в системах обнаружения уязвимостей ресурсов информационных систем является отсутствие параметров, на основе которых можнооценить их эффективность. Также отсутствуют иметоды оценки эффективности такого внедрения. Для решения этой проблемы был проанализирован широкий спектр современных нейросетевых методов и моделей, применяемых в системах обнаружения. Определен перечень параметров иразработан метод ихиспользования для оценки эффективности разработки и выбора указанных методов и моделей при по-строении указанных систем обнаружения. Полученные результаты позволяют определить недостатки современных нейросетевых средств обнаружения кибератак и средств обнаружения уязвимостей и очертить перспективные пути их совершенствования.
One of the main obstacles to widespread adoption of neural network methods and models in cyber attacks and detection systems to detect vulnerabilities in the systems resources information systems is the lack of options on which to evaluatetheir effectiveness. Also, there are no methods forassessing the effectiveness and implementation of such. Tosolve this problem has been analyzed a wide range of modern neural network methods and models used in the detection systems. The list of parameters anda method of theiruse for assessing the effectiveness of the design and selectionof these methods and models in the construction of these detection systems. The obtained results allow us to determinethe shortcomings of modern neural network detectiontools and means of cyber vulnerability detection and outlinepromising ways to improve them.
