Хлапонін, Ю.І.Ю.І.ХлапонінКондакова, А.М.А.М.Кондакова2026-06-162026-06-162025-11-21Хлапонін, Ю., Кондакова, А. (2025). RESEARCH ON THE EFFECTIVENESS OF DEVELOPED ALGORITHMS AND PROTECTION MODELS IN INTERNET OF THINGS NETWORKS. Збірник наукових праць Військового інституту Київського національного університету імені Тараса Шевченка(88), 103–113. https://doi.org/10.17721/2519-481X/2025/88-0910.17721/2519-481X/2025/88-09https://ir.library.knu.ua/handle/15071834/23307The article considers approaches to ensuring high-quality service of Internet of Things (IoT) services in 5G networks, taking into account modern challenges in terms of scalability, variable topology and security threats. Considerable attention is paid to modeling IoT traffic, building mathematical service models and assessing parameters that affect the level of reliability and timeliness of data delivery.During the study, the specifics of the structure of IoT networks were analyzed, key traffic metrics were identified and a mathematical model was built based on the classical Poisson model, as well as its extensions MMPP and BMAP to adequately reflect the variable and clustered traffic structure in IoT networks. Clustering was performed using the k-means algorithm to profile normal node behavior, which made it possible to detect anomalies in real time. A formal risk assessment model was proposed that takes into account deviations of current metrics from a typical cluster and changes in intensity. An adaptive incident response mechanism with threshold values that determine the level of intervention from limiting activity to completely blocking the device. For verification, DDoS, device substitution, and stealth attack scenarios were simulated. The effectiveness of the detection algorithm was assessed using the metrics precision, recall, F1-score, and response time.The results showed that the proposed methodology provides high anomaly detection accuracy (F1-score = 92.5%) with a response time of up to 80 ms, which makes it suitable for use in real IoT systems. The proposed approach allows for increased network reliability and security without significantly increasing computational costs. The findings confirm the feasibility of implementing intelligent monitoring systems based on clustering and risk models in the 5G-IoT infrastructure.У статті розглянуто питання моделювання трафіку та оцінювання ефективності алгоритмів захисту інформації в мережах ІоТ. Проведено імітаційне моделювання сценаріїв з різними моделями трафіку, аналіз роботи захисних алгоритмів для виявлення атак, створено рекомендації до практичного застосування в інфраструктурі IoT з урахуванням специфіки 5G мереж інтернет речей.Під час дослідження було проаналізовано специфіку структури мереж Інтернету речей, визначено ключові метрики трафіку та побудовано математичну модель на основі класичної моделі Пуассона, а також її розширень MMPP та BMAP для адекватного відображення змінної та кластерної структури трафіку в мережах Інтернету речей. Кластеризацію виконували за допомогою алгоритму k-середніх для профілювання нормальної поведінки вузлів, що дозволило виявляти аномалії в режимі реального часу. Було запропоновано формальну модель оцінки ризиків, яка враховує відхилення поточних метрик від типового кластера та зміни інтенсивності. Розроблено адаптивний механізм реагування на інциденти з пороговими значеннями, що визначають рівень втручання від обмеження активності до повного блокування пристрою. Для верифікації було змодельовано сценарії DDoS, підміни пристроїв та прихованої атаки. Ефективність алгоритму виявлення оцінювали за допомогою метрик точності, повноти, F1-оцінки та часу відгуку.Результати показали, що запропонована методологія забезпечує високу точність виявлення аномалій (F1-оцінка = 92,5%) з часом відгуку до 80 мс, що робить її придатною для використання в реальних системах Інтернету речей. Запропонований підхід дозволяє підвищити надійність та безпеку мережі без значного збільшення обчислювальних витрат. Отримані результати підтверджують доцільність впровадження інтелектуальних систем моніторингу на основі кластеризації та моделей ризиків в інфраструктурі 5G-IoT.ukмоделювання трафікукібербезпекаалгоритми захисту5GIDSаномаліїinternet of Thingstraffic modelingcybersecurityprotection algorithms5GIDSanomaliesСтаття