Un análisis de las estrategias de aprendizaje automático y transferencia de aprendizaje para sistemas de detección de intrusiones en 5G y más allá
Autores: Noor, Kinzah; Imoize, Agbotiname Lucky; Li, Chun-Ta; Weng, Chi-Yao
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Un análisis de las estrategias de aprendizaje automático y transferencia de aprendizaje para sistemas de detección de intrusiones en 5G y más allá
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Aprendizaje automático
Sistemas de detección de intrusiones
Entornos 5g
Métricas de rendimiento
Vecinos más cercanos k
Aprendizaje profundo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
Esta revisión explora sistemáticamente la aplicación de modelos de aprendizaje automático (ML) en el contexto de Sistemas de Detección de Intrusiones (IDS) para la seguridad de redes modernas, particularmente dentro de entornos 5G. La evaluación se basa en el conjunto de datos 5G-NIDD, un recurso ricamente etiquetado que abarca una amplia gama de comportamientos de red, desde tráfico de usuarios benignos hasta varios escenarios de ataque.
Descripción
Esta revisión explora sistemáticamente la aplicación de modelos de aprendizaje automático (ML) en el contexto de Sistemas de Detección de Intrusiones (IDS) para la seguridad de redes modernas, particularmente dentro de entornos 5G. La evaluación se basa en el conjunto de datos 5G-NIDD, un recurso ricamente etiquetado que abarca una amplia gama de comportamientos de red, desde tráfico de usuarios benignos hasta varios escenarios de ataque.