Аңдатпа. Ақпараттық технологиялардың дамуы ақпараттық ресурстардың қауіпсіздігін қамтамасыз етудің маңыздылығын көрсетуді жалғастыруда. Ақпараттық қауіптердің әртүрлі түрлерінің көбеюі шабуылдарды анықтауды қиындатады. Зерттеудің мақсаты талап етілетін анықтау сапасына қол жеткізу үшін трафик элементтерінің санын азайту кезінде шабуылдарды анықтау үшін жасанды интеллект әдістерін қолдану болып табылады. AI үйрету үшін желілік трафиктегі шабуыл мүмкіндіктерін дәл анықтай алатын жоғары сапалы деректер жиынтығын жасау қажет. UNSW-NB 15 деректер жинағында оқытылған жасанды интеллектті қолдана отырып ұсынылған тәсіл желілік шабуылдардың тоғыз түрін қамтитын: Fuzzers, Analysis, Backdoors, DoS, Exploits, Generic, Reconnaissance, Shellcode және Worms. Деректерді өңдеу үшін Pytorch және Pandas кітапханалары бар Python тілі пайдаланылды. Бағдарламалық модульдің өнімділігіне талдау жасалды, Kappa коэффициенті және Жаккар индексі сияқты екілік бағалау әдістері қолданылды. Ұсынылған AI моделінің тиімділігі жіктеу көрсеткіштері арқылы бағаланады: Accuracy, Precision, Recall және F1 Score. Әртүрлі мүмкіндіктер жиынтығымен әзірленген модельді тестілеу бес таңдалған мүмкіндікті пайдалану кезінде модельдің қалыптан тыс трафикті жоғары сапалы болжауға қол жеткізуге мүмкіндік беретінін көрсетті. AI моделінің өнімділігі Каппа коэффициенті мен Жаккар индексі арқылы бағаланды. Алынған нәтижелер бойынша классификацияның тиімді шектері есептелді, бұл қалыптан тыс трафикті болжау сапасын жақсартты. Бағалау нәтижелері көрсеткендей, UNSW-NB 15 деректер жинағында әзірленген модель трафик ауытқуларын дәл анықтай алады, осылайша ақпараттық ресурстардың ақпараттық қауіпсіздігіне ықпал етеді.

Түйін сөздер: желілік трафик, жасанды интеллект, нейрондық желілер, шабуылдарды анықтау, деректер жинағы, UNSW-NB, Kappa коэффициенті, Жаккард индексі.