Бабенко, ТетянаТетянаБабенко0000-0002-2940-6085Бігдан, АндрійАндрійБігдан0000-0003-1686-261XМирутенко, ЛарисаЛарисаМирутенко2026-03-172026-03-172023-03-29Бабенко, Т., Бігдан, А., Мирутенко, Л. (2023). INTELLIGENT MODEL FOR CLASSIFYING NETWORK CYBERSECURITY EVENTS. Information systems and technologies security, 1(6), 61–69. https://doi.org/10.17721/ISTS.2023.1.61-6910.17721/ISTS.2023.1.61-69https://ir.library.knu.ua/handle/15071834/12604Due to the increased complexity of modern computer attacks, there is a need for security professionals not only to detect harmful activity but also to determine the appropriate steps that an attacker will go through when performing an attack. Even though the detection of exploits and vulnerabilities is growing every day, the development of protection methods is progressing much more slowly than attack methods. Therefore, this remains an open research problem. In this article, we present our research in network attack identification using neural networks, in particular Rumelhart's multilayer perceptron, to identify and predict future network security events based on previous observations. To ensure the quality of the training process and obtain the desired generalization of the model, 4 million records accumulated over 7 days by the Canadian Cybersecurity Institute were used. Our result shows that neural network models based on a multilayer perceptron can be used after refinement to detect and predict network security events.Через збільшену складність сучасних комп'ютерних атак, виникає потреба у фахівцях із безпеки не тільки для виявлення шкідливої активності, але і для визначення відповідних кроків, які проходитиме зловмисник у ході виконання атаки. Незважаючи на те, що виявлення експлойтів і вразливостей зростає з кожним днем, розроблення методів захисту просувається помітно повільніше за розроблення методів нападу. Саме тому це все ще залишається відкритою дослідницькою проблемою. У цій статті представляємо дослідження у галузі ідентифікації мережних атак із використанням нейронних мереж, зокрема багатошарового персептрона Румельхарта, для виявлення та прогнозування майбутніх подій мережної безпеки на основі попередніх спостережень. Для забезпечення якості процесу навчання й отримання бажаного узагальнення моделі використано 4 млн записів, накопичених протягом 7 днів Канадським інститутом кібербезпеки. Наш результат демонструє, що моделі нейронних мереж, що базуються на багатошаровому персептроні, можуть використовуватися після уточнення для виявлення та прогнозування подій мережної безпеки.uksecurity of information systemsneural networknetwork securityprognosticationбезпека інформаційних системнейронна мережамережна безпекапрогнозуванняСтаття