AUTOENCODERLAR YORDAMIDA TARMOQ TRAFIGIDA ANOMALIYALARNI NAZORATSIZ ANIQLASH: NSL-KDD MA'LUMOTLAR TO'PLAMI ASOSIDA AMALIY TADQIQOT

Belgilangan ma'lumotlarning cheklanganligi nazoratli o'qitish modellarining asosiy muammosi hisoblanadi. Ushbu tadqiqotda tarmoq trafigidagi anomaliyalarni aniqlash uchun autoencoder asosidagi nazoratsiz yondashuv taklif etiladi. NSL-KDD dataseti ustida o'tkazilgan eksperimentlar shuni ko'rsatdiki, model faqat normal trafik bilan o'qitilib, AUC-ROC 96.13% va Precision 96.25% ko'rsatkichlariga erishdi. Zero-day hujumlarning 40.22% imzosiz aniqlanishi autoencoderlarning an'anaviy signature-based tizimlarga nisbatan ustunligini tasdiqlaydi. Gibrid yondashuv eng samarali strategiya sifatida tavsiya etiladi.