Las redes inteligentes, tecnologías avanzadas de la información, se han convertido en los objetivos de intrusión preferidos debido a Internet de las cosas (IoT) que utiliza dispositivos sensores para recopilar datos de un entorno de red inteligente. Estos datos se envían a la nube, que es una enorme red de super servidores que proporciona diferentes servicios a diversas infraestructuras inteligentes, como hogares inteligentes y edificios inteligentes. Estos pueden proporcionar un amplio espacio para que los atacantes lancen ciberataques destructivos. La novedad de esta investigación propuesta es el desarrollo de un sistema de marco robusto para detectar intrusiones basado en el entorno de IoT. Se empleó un ataque al conjunto de datos IoTID20 para desarrollar el sistema propuesto; es un conjunto de datos recién generado a partir de la infraestructura de IoT. En este marco, se aplicaron tres algoritmos avanzados de aprendizaje profundo para clasificar la intrusión: una red neuronal convolucional (CNN), una memoria a corto plazo (LSTM) y un modelo híbr
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Atractores caóticos multivuelta con disposición de formas de silla y su implementación en una matriz de compuertas programable en campo (FPGA)
Artículos:
RADB: acceso aleatorio con restricción diferenciada para aplicaciones con latencia limitada en la red NB-IoT
Artículos:
Reconocimiento de postura humana basado en la fusión de múltiples características de imagen de profundidad
Artículos:
Tecnología de reconocimiento de imágenes en la identificación de texturas de sedimentos marinos en imágenes de sonar.
Artículos:
Sistema de firma en anillo de codificación de red sin certificados
Artículos:
Compuestos bioactivos de microalgas rojas con valor terapéutico y nutricional
Artículos:
Enfoque de aplicación ágil con Scrum, Lean y Kanban
Artículos:
Arquitectura de software orientada a la creación de micromundos para la enseñanza y el aprendizaje
Artículos:
Perspectivas sobre datos masivos y analítica de datos masivos