Vggincepnet: mejorando la detección de intrusiones en red y la seguridad de la red a través de la conversión no de imagen a imagen y el aprendizaje profundo
Autores: Chen, Jialong; Xiao, Jingjing; Xu, Jiaxin
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Vggincepnet: mejorando la detección de intrusiones en red y la seguridad de la red a través de la conversión no de imagen a imagen y el aprendizaje profundo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Modelo innovador
VGGIncepNet
Módulos de aprendizaje profundo
Detección de intrusos en red
Análisis de seguridad de IoT
Redes neuronales convolucionales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
Este estudio presenta un modelo innovador, VGGIncepNet, que integra técnicas de conversión de datos no imagen a imagen con módulos de aprendizaje profundo, específicamente VGG16 e Inception, con el objetivo de mejorar el rendimiento en la detección de intrusiones en redes y el análisis de seguridad de IoT.
Descripción
Este estudio presenta un modelo innovador, VGGIncepNet, que integra técnicas de conversión de datos no imagen a imagen con módulos de aprendizaje profundo, específicamente VGG16 e Inception, con el objetivo de mejorar el rendimiento en la detección de intrusiones en redes y el análisis de seguridad de IoT.