Рассматриваются некоторые способы обнаружения атак на основе машинного обучения, которые применяются для определения аномалий в готовых наборах трафика. Сделан анализ существующего положения дел в сетевой безопасности. Предложена модель обнаружения атак с использованием методов машинного обучения. Рассмотрены вопросы выбора данных для обучения классификаторов по предварительно сформированным критериям. Проведена предварительная обработка выбранных данных. Приведена классификация атак типа Brute Force и DDoS. Обучение нейронных сетей сводится к минимизации функций потерь путем подбора оптимальных весов нейронов в процессе выполнения того или иного оптимизационного итерационного алгоритма. Сделан вывод об оптимальности модели на основе решающего древа в вопросе классификации на основе логической регрессии. Thе article discusses some machine learning-based attack detection techniques that are used to identify anomalies in ready-made traffic sets. An analysis of the current situation in network security is provided. The authors propose a model for detecting attacks using machine learning methods and consider the issues of selecting data for training classifiers according to pre-generated criteria. Pre-processing of the selected data has been carried out. The article provides a classification of Brute Force and DDoS attacks. Training neural networks consists of minimizing loss functions by selecting optimal neuron weights during the execution of one or another optimization iterative algorithm. A conclusion is made about the model optimality based on the “decision tree” in the matter of classification based on logical regression.