Розглянуто проблему точності виявлення вторгнень у програмних системах на основі нейронних мереж глибокого навчання. Представлено приклад системи виявлення ботнетів — зловмисного програмного забезпечення, яке є джерелом потенційних атак, зокрема атаки типу «Distributed Denial of Service» або «відмова в сервісі» (DDoS). Систему створено, як модель класифікації, що виявляє поведінку ботнетів на заражених ресурсах. Проведено низку експериментів на відкритому наборі даних Канадського інституту кібербезпеки (Canadian Institute for Cybersecurity). Для підвищення точності класифікації застосовано спосіб розширення набору даних за допомогою генерації прикладів змагальних атак. Представлено метод верифікації надійності нейронної мережі з використанням автоматичного доведення властивості стійкості моделі на основі SMT-розв’язувачів. Для підвищення точності виявлення атак розглянуто також нейросимвольний підхід, який поєднує алгебраїчні методи з моделями класифікації.