ИНТЕЛЛЕКТУАЛДЫ БАСҚАРУ МАҚСАТЫНДА «PACKET TRACER» НЕГІЗІНДЕ ДЕРЕКТЕРДІ ГЕНЕРАЦИЯЛАУҒА АРНАЛҒАН КОРПОРАТИВТІК ЖЕЛІНІҢ ВЕРИФИКАЦИЯЛАНҒАН ИМИТАЦИЯЛЫҚ МОДЕЛІН ӘЗІРЛЕУ

Күрделі желілік инфрақұрылымдарды басқаруда жасанды интеллект (ЖИ) пен машиналық оқыту (МО) технологияларын кеңінен енгізу стандартталған, релевантты және таңбаланған деректер жиынтықтарының жетіспеушілігі мәселесіне тіреледі. Аталған деректер жиынтықтары алгоритмдерді оқыту және валидациялау үшін аса маңызды. Бұл жұмыста Cisco Packet Tracer ортасын пайдалану арқылы таратылған корпоративтік желінің детерминацияланған имитациялық моделін әзірлеу және верификациялау әдістемесі ұсынылады. Ұсынылған модель VLAN қолдауы бар, BGP негізіндегі динамикалық маршруттауды, ақауларға төзімділік механизмдерін және кешенді киберқауіпсіздік саясаттарын қамтитын корпоративтік желінің иерархиялық архитектурасын жүзеге асырады. Аталған модель тек оқу-әдістемелік кешен ретінде практикалық дағдыларды қалыптастыруға ғана емес, сонымен қатар синтетикалық телеметриялық деректерді генерациялауға арналған бақыланатын полигон ретінде қызмет етеді. Модельдің негізгі ерекшелігі – желі конфигурациясының эталондық параметрлерге сәйкестігін қамтамасыз ететін кіріктірілген автоматтандырылған бағалау (Assessment) жүйесінің болуы. Бұл жүйе генерацияланатын деректердің дұрыстығы мен қайталанғыштығын кепілдендіреді. Конфигурацияны верификациялау желі күйлерінің қайта өндірілуін және деректерді автоматты түрде дұрыс таңбалауды қамтамасыз етеді. Эксперименттік валидация модельдің детерминацияланған сипатын және интеллектуалды басқару алгоритмдерін, соның ішінде аномалияларды анықтау, QoS оңтайландыру және инциденттерге автоматты түрде әрекет ету жүйелерін оқыту мен тестілеуге арналған деректер жиынтықтарын қалыптастыруға жарамдылығын растады. Ұсынылған тәсіл білім беру және ғылыми-зерттеу мақсаттарында тиімді пайдаланылуы мүмкін.

1. Савельев А.И. Интеллектуальное управление телекоммуникационными сетями: тенденции и вызовы / А.И. Савельев // T-Comm. – 2021. – Т.15, № 3.

2. A comprehensive survey on machine learning for networking: evolution, applications and research opportunities / R. Boutaba et al // Journal of Internet Services and Applications. – 2018. – Т. 9, № 1. – P. 1-99. https://doi.org/10.1186/s13174-018-0087-2.

3. Toward generating a new intrusion detection dataset and intrusion traffic characterization / I. Sharafaldin et al // ICISSp. – 2018. – Т. 1. – P. 108-116.

4. Sanchez L.P.A. DQS: A QoS-driven routing optimization approach in SDN using deep reinforcement learning / L.P.A. Sanchez, Y. Shen, M. Guo // Journal of Parallel and Distributed Computing. – 2024. – Т. 188. – P. 104851. https://doi.org/10.1016/j.jpdc.2024.104851.

5. Studying the Role of Synthetic Data for Machine Learning-based Wireless Networks Traffic Forecasting / J. Pulido et al // arXiv preprint arXiv:2601.07646. – 2026.

6. ReinWiFi: Application-Layer QoS Optimization of WiFi Networks with Reinforcement Learning / Q. Li et al // 2025 IEEE 101st Vehicular Technology Conference (VTC2025-Spring). – IEEE, 2025. – P. 1-6.

7. TimeGAN as a Simulator for Reinforcement Learning Training in Programmable Data Planes / T.C. Tavares et al // NOMS 2024-2024 IEEE Network Operations and Management Symposium. – IEEE, 2024. – P. 1-9.

8. Cisco Systems. Cisco data center networking blueprint for AI/ML applications. White Paper. – 2024. [Электронный ресурс]. URL: https://www.cisco.com/c/en/us/td/docs/dcn/whitepapers/ciscodata-center-networking-blueprint-for-ai-ml-applications.html.

9. Building Connected Intelligence: Exploring IoT Smart Applications Through Cisco Packet Tracer / B. Patel et al // International Conference on Information and Communication Technology for Intelligent Systems. – Singapore: Springer Nature Singapore, 2024. – P. 467-478.

10. Ахметшина Э.Г. Автоматизация маршрутизации и управление ресурсами с помощью искусственного интеллекта и машинного обучения в сетях / Э.Г. Ахметшина, А.А. Видуто, Д.В. Елисеева //Экономика и парадигма нового времени. – 2024. – № 8 (29). – С. 24-30.

11. Семенченко К.С. Применение искусственного интеллекта в беспроводных сетях / К.С. Семенченко, Е.Д. Бычков // Динамика систем, механизмов и машин. – 2024. – Т. 12, № 3. – С. 87-94.

12. Ciscoskills по кибербезопасности. – 2025. [Электронный ресурс]. URL: https://www.collegeit.edu.kz/ru/czentr-kompetenczij/.

13. Волков А.Н. Исследование и разработка методов построения инфраструктуры и предоставления услуг сетей связи на основе технологий искусственного интеллекта: дис. – СПб., 2021.