МОДЕЛІ ТА МЕТОДИ ШТУЧНОГО ІНТЕЛЕКТУ ДЛЯ ОБРОБКИ ДАНИХ В КОМП’ЮТЕРНИХ МЕРЕЖАХ

Анотація

У статті розглядаються сучасні моделі та методи штучного інтелекту для ефективної обробки даних в комп'ютерних мережах. Проаналізовано основні підходи до застосування машинного навчання, глибокого навчання та нейронних мереж для оптимізації мережевого трафіку, виявлення аномалій та підвищення безпеки мережевих систем. Досліджено алгоритми класифікації мережевого трафіку, методи передбачення навантаження та системи автоматичного виявлення вторгнень на основі ШІ. Мета роботи полягає у розробці та дослідженні інтелектуальних методів обробки даних у комп’ютерних мережах, що забезпечують масштабованість, адаптивність і енергоефективність. Для цього передбачається створення моделей класифікації трафіку, алгоритмів балансування навантаження та систем виявлення кіберзагроз на основі технологій машинного і глибокого навчання. Результати: У роботі запропоновано гібридну модель класифікації мережевого трафіку, алгоритм адаптивного балансування навантаження на основі підкріплюючого навчання та систему виявлення кіберзагроз у реальному часі. Експериментальні дослідження підтвердили ефективність методів: точність класифікації перевищує 94%, а продуктивність мережі зросла більш ніж на 20%. Висновки: Застосування методів машинного та глибокого навчання значно підвищує ефективність управління комп’ютерними мережами. Отримані результати мають практичне значення для побудови масштабованих, енергоефективних і безпечних мережевих систем нового покоління.