Methods for detecting anomalies in network traffic based on one-class SVM technology
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...
Saved in:
| Published in: | Проблеми керування та інформатики |
|---|---|
| Date: | 2025 |
| Main Authors: | , , |
| Format: | Article |
| Language: | English |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2025
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/211376 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| 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. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862746205109354496 |
|---|---|
| author | Kerimov, K. Kurbanov, S. Azizova, Z. |
| author_facet | Kerimov, K. Kurbanov, S. Azizova, Z. |
| citation_txt | 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. |
| collection | DSpace DC |
| container_title | Проблеми керування та інформатики |
| description | 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.
|
| first_indexed | 2026-04-17T19:13:33Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-211376 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | English |
| last_indexed | 2026-04-17T19:13:33Z |
| publishDate | 2025 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Kerimov, K. Kurbanov, S. Azizova, Z. 2025-12-31T10:34:51Z 2025 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. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/211376 004.056.53 10.34229/1028-0979-2025-2-8 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. en Інститут кібернетики ім. В.М. Глушкова НАН України Проблеми керування та інформатики Роботи та системи штучного інтелекту Methods for detecting anomalies in network traffic based on one-class SVM technology Методи виявлення аномалій у мережевому трафіку на основі однокласової технології SVM Article published earlier |
| spellingShingle | Methods for detecting anomalies in network traffic based on one-class SVM technology Kerimov, K. Kurbanov, S. Azizova, Z. Роботи та системи штучного інтелекту |
| title | Methods for detecting anomalies in network traffic based on one-class SVM technology |
| title_alt | Методи виявлення аномалій у мережевому трафіку на основі однокласової технології SVM |
| title_full | Methods for detecting anomalies in network traffic based on one-class SVM technology |
| title_fullStr | Methods for detecting anomalies in network traffic based on one-class SVM technology |
| title_full_unstemmed | Methods for detecting anomalies in network traffic based on one-class SVM technology |
| title_short | Methods for detecting anomalies in network traffic based on one-class SVM technology |
| title_sort | methods for detecting anomalies in network traffic based on one-class svm technology |
| topic | Роботи та системи штучного інтелекту |
| topic_facet | Роботи та системи штучного інтелекту |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/211376 |
| work_keys_str_mv | AT kerimovk methodsfordetectinganomaliesinnetworktrafficbasedononeclasssvmtechnology AT kurbanovs methodsfordetectinganomaliesinnetworktrafficbasedononeclasssvmtechnology AT azizovaz methodsfordetectinganomaliesinnetworktrafficbasedononeclasssvmtechnology AT kerimovk metodiviâvlennâanomalíiumereževomutrafíkunaosnovíodnoklasovoítehnologíísvm AT kurbanovs metodiviâvlennâanomalíiumereževomutrafíkunaosnovíodnoklasovoítehnologíísvm AT azizovaz metodiviâvlennâanomalíiumereževomutrafíkunaosnovíodnoklasovoítehnologíísvm |