ДОСЛІДЖЕННЯ ЕФЕКТИВНОСТІ МОДЕЛЕЙ ОБРОБКИ ДАНИХ У СИСТЕМІ МОНІТОРИНГУ КОМП'ЮТЕРНИХ МЕРЕЖ

Анотація

У цій статті проводиться практично-теоретичне порівняння трьох моделей обробки даних - Random Forest, LSTM Networks та Support Vector Machines (SVM) - у системі моніторингу комп'ютерних мереж. Мета дослідження полягає у визначенні ефективності цих моделей з точки зору виявлення аномалій та класифікації подій в комп'ютерних мережах. Для досягнення цієї мети були сформульовані наступні цілі: теоретичний огляд обраних моделей, порівняння їх точності, аналіз ефективності та швидкодії, оцінка складності реалізації та врахування специфіки завдань моніторингу комп'ютерних мереж. Загальний висновок з порівняльного аналізу моделей показує, що Random Forest має високу точність в класифікації та регресії, ефективний у роботі з великими обсягами даних, але не дуже ефективний у роботі з послідовностями даних. LSTM Networks підходять для роботи з послідовностями даних, але потребують великих обчислювальних ресурсів і можуть мати меншу точність порівняно з Random Forest. SVM має високу точність у класифікації та ефективність у високорозмірних просторах даних, але не завжди підходить для роботи з послідовностями даних без перетворення. Вибір конкретної моделі для моніторингу комп'ютерних мереж повинен залежати від конкретного контексту задачі, доступних ресурсів та вимог до точності та ефективності системи моніторингу.