Оптимизация архитектуры многослойного перцептрона с помощью алгоритма роя частиц для повышения эффективности обнаружения сетевых атак на IoT-устройства
Проводится анализ современных исследований в области использования нейронных сетей в связке с алгоритмом роя частиц (PSO) для обнаружения аномалий в сетевом трафике IoT-устройств. Цель статьи состоит в исследовании потенциала алгоритма роя частиц для автоматизированного проектирования архитектуры нейронной сети. Материалы и методы: проведен анализ научной литературы, а также выполнен сравнительный эксперимент для двух моделей многослойного перцептрона (MLP). Архитектура одной из моделей была спроектирована с помощью оптимизации алгоритмом роя частиц, а другой – эмпирическим способом. Эксперимент проводился для решения задачи классификации сетевого трафика IoT-устройств. В ходе исследования были получены следующие результаты: экспериментально подтверждено, что архитектура MLP, оптимизированная с помощью алгоритма роя частиц, превосходит по качеству решения задачи классификации архитектуру MLP, спроектированную эмпирическим способом. В заключении отмечается, что метод автоматизированного проектирования архитектуры нейронной сети на основе алгоритма роя частиц показал свою эффективность, превзойдя эмпирический подход. Работа вносит вклад в развитие направления Neural Architecture Search (NAS), открывая перспективы для создания более эффективных моделей безопасности IoT-устройств и применения PSO для оптимизации архитектур других типов нейронных сетей.
Авторы: Д. С. Добровольский, Ю. Н. Кожубаев
Направление: Информатика, вычислительная техника и управление
Ключевые слова: алгоритм роя частиц, нейронные сети, многослойной перцептрон, интернет вещей, оптимизация, обнаружение аномалий, поиск нейронной архитектуры
Открыть полный текст статьи