Methods for detecting anomalies in network traffic based on one-class SVM technology

• Published in: Проблеми керування та інформатики
• Date: 2025
• Main Authors: Kerimov, K., Kurbanov, S., Azizova, Z.
• Format: Article
• Language: English
• Published: Інститут кібернетики ім. В.М. Глушкова НАН України 2025
• Subjects: Роботи та системи штучного інтелекту
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/211376
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Methods for detecting anomalies in network traffic based on one-class SVM technology / K. Kerimov,S. Kurbanov, Z.Azizova // Проблемы управления и информатики. — 2025. — № 2. — С. 91-98. — Бібліогр.: 6 назв. — англ.

This paper investigates the application of the one-class SVM (Support Vector Machines) method for detecting anomalies in network traffic, a critical challenge in the field of cybersecurity. We introduce several enhancements to the one-class SVM approach, including the integration of online learning capabilities to allow the model to dynamically adapt to fluctuations in network traffic, advanced data preprocessing techniques, and the generation of additional synthetic features through statistical and signal processing methods. У статті досліджено використання методу one-class SVM (Support Vector Machines — однокласові опорні вектори) для виявлення аномалій у мережевому трафіку в галузі кібербезпеки. В роботі запропоновано способи вдосконалення цього методу, включно з впровадженням онлайн-навчання для динамічної адаптації моделі до змін у трафіку, поліпшених методів попереднього опрацювання даних, а також генерації додаткових синтетичних ознак з використанням статистичних і сигнальних методів.