Issledowanie poswqscheno razrabotke i wnedreniü oblachnoj sistemy bezopasnosti s ispol'zowaniem metodow optimizacii na osnowe glubokogo i mashinnogo obucheniq. Sistema ispol'zuet mnozhestwo parametrow monitoringa w real'nom wremeni i dostigaet wysokoj tochnosti, chto qwlqetsq kriticheskim trebowaniem pri razrabotke oblachnyh wychislenij.Moshenniki chasto atakuüt oblachnye sajty älektronnoj kommercii i torgowli, chto delaet neobhodimym sozdanie tochnoj sistemy obnaruzheniq moshennichestwa.Predstawleny mehanizmy glubokogo obucheniq, takie kak polnoswqznye nejronnye seti (FCNN), konwolücionnye nejronnye seti (CNN), i metody mashinnogo obucheniq, takie kak oporno-wektornaq mashina (SVM), nechetkaq logika i logisticheskaq regressiq (LR). Usowershenstwowannye metody FCNN-GBML (Global Binary Multiclass Learning) äffektiwno ustranqüt nedostatki suschestwuüschih podhodow, powyshaq tochnost', skorost' prinqtiq reshenij i snizhaq kolichestwo lozhnyh trewog pri obnaruzhenii oblachnyh moshennichestw.