Filtrado basado en conjunto de características y modelo de aprendizaje profundo para detección de intrusiones en la computación en la nube
Autores: Kavitha, C.; M., Saravanan; Gadekallu, Thippa Reddy; K., Nimala; Kavin, Balasubramanian Prabhu; Lai, Wen-Cheng
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Filtrado basado en conjunto de características y modelo de aprendizaje profundo para detección de intrusiones en la computación en la nube
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Comunicación
Internet de las cosas
Computación en la nube
Ciberataques
Detección de intrusiones
Aprendizaje profundo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
En los últimos años, el alto avance en la comunicación, Internet de las cosas (IoT) y la informática en la nube han comenzado a plantear complejas interrogantes en cuanto a la seguridad. Basándose en este desarrollo, los ciberataques pueden aumentar ya que las técnicas de seguridad actuales no ofrecen soluciones óptimas. Como resultado, los autores de este documento crearon la selección de características basada en ensamble de filtros (FEFS) y emplearon un modelo de aprendizaje profundo (DLM) para la detección de intrusiones en la informática en la nube.
Descripción
En los últimos años, el alto avance en la comunicación, Internet de las cosas (IoT) y la informática en la nube han comenzado a plantear complejas interrogantes en cuanto a la seguridad. Basándose en este desarrollo, los ciberataques pueden aumentar ya que las técnicas de seguridad actuales no ofrecen soluciones óptimas. Como resultado, los autores de este documento crearon la selección de características basada en ensamble de filtros (FEFS) y emplearon un modelo de aprendizaje profundo (DLM) para la detección de intrusiones en la informática en la nube.