Модель XGBoost с агрегированными графовыми признаками классифицирует финансовые транзакции для демонстрации выявления отмывания денег.

Подходит для: классификация транзакций на подозрительные и обычные · выявление потенциальных операций по отмыванию денег · эксперименты с AML-классификацией на синтетических финансовых данных

Модель на градиентном бустинге классифицирует сегменты телеметрии OPS-SAT для обнаружения аномалий.

Подходит для: обнаружение аномальных сегментов телеметрии спутника OPS-SAT · классификация телеметрических сегментов по опубликованным признакам · оценка аномалий в каналах спутниковой телеметрии

LSTM-прогнозист временных рядов для выявления аномалий в телеметрии спутниковой связи на каналах ESA Anomaly Dataset.

Подходит для: прогнозирование значений спутниковой телеметрии по каналам · выявление аномалий в телеметрии спутника · мониторинг каналов Mission1 lightweight ESA-ADB

Квантовая гибридная модель в формате ONNX классифицирует синтетическую телекоммуникационную телеметрию QKD на нормальные данные и семь типов атак.

Подходит для: классификация синтетической телеметрии QKD · распознавание типов атак на квантовое распределение ключей · сравнение квантовой нейросети и классического классификатора

Компактная логистическая регрессия в формате ONNX для классификации финансовых транзакций и выявления отмывания денег при CKKS-шифровании.

Подходит для: выявление подозрительных транзакций в финансовых данных · классификация транзакций для AML-мониторинга · оценка модели AML на зашифрованных данных

Компактная ONNX-модель классифицирует сегменты телеметрии OPS-SAT как аномальные или нормальные для демонстрации классификации под шифрованием CKKS.

Подходит для: поиск аномальных сегментов в телеметрии спутника OPS-SAT · классификация сегментов спутниковой телеметрии без раскрытия исходных признаков · проверка квантово-устойчивого зашифрованного машинного обучения на данных спутника

Компактная ONNX-модель логистической регрессии для анализа телеметрии спутников и выявления аномалий в зашифрованных временных рядах.

Подходит для: выявление аномалий в телеметрии спутниковой связи · анализ окон телеметрии из шести каналов и восьми временных шагов · проверка приватного инференса над телеметрией с CKKS

ONNX-модель градиентного бустинга классифицирует статистики сетевых потоков 5G-трафика по девяти классам для обнаружения атак.

Подходит для: классификация сетевых потоков 5G по типу атаки · обнаружение вторжений в телекоммуникационной сети · выявление SlowrateDoS по характеристикам потока