logo móvil
Contáctanos

Un análisis de algoritmos de aprendizaje automático para la seguridad de la computación en la nube

Autores: Butt, Umer Ahmed; Mehmood, Muhammad; Shah, Syed Bilal Hussain; Amin, Rashid; Shaukat, M. Waqas; Raza, Syed Mohsan; Suh, Doug Young; Piran, Md. Jalil

Idioma: Inglés

Editor: MDPI

Año: 2020

Descargar PDF

Acceso abierto

Artículo científico
2020

Un análisis de algoritmos de aprendizaje automático para la seguridad de la computación en la nube


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Computación en la nube
Computación en el borde
Cc móvil
Aprendizaje automático
Desafíos de seguridad
Algoritmos de ml

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 22

Citaciones: Sin citaciones


Descripción
La computación en la nube (CC) es la accesibilidad bajo demanda de recursos de red, especialmente almacenamiento de datos y potencia de procesamiento, sin una gestión especial y directa por parte de los usuarios. CC ha surgido recientemente como un conjunto de centros de datos públicos y privados que ofrecen al cliente una plataforma única a través de Internet. La informática en el borde es un paradigma informático en evolución que acerca la computación y el almacenamiento de información a los usuarios finales para mejorar los tiempos de respuesta y ahorrar capacidad de transmisión. La CC móvil (MCC) utiliza la informática distribuida para llevar aplicaciones a teléfonos móviles. Sin embargo, la CC y la informática en el borde presentan desafíos de seguridad, incluida la vulnerabilidad para los clientes y el reconocimiento de la asociación, que retrasan la adopción rápida de los modelos informáticos. El aprendizaje automático (ML) es la investigación de algoritmos informáticos que mejoran naturalmente a través de la experiencia. En este documento de revisión, presentamos un análisis de las amenazas de seguridad de CC, los problemas y las soluciones que utilizan uno o varios algoritmos de ML. Revisamos diferentes algoritmos de ML que se utilizan para superar los problemas de seguridad en la nube, incluido el aprendizaje supervisado, no supervisado, semisupervisado y por refuerzo. Luego, comparamos el rendimiento de cada técnica en función de sus características, ventajas y desventajas. Además, enumeramos las futuras direcciones de investigación para asegurar los modelos de CC.

Otros recursos que podrían interesarte

Temas Virtualpro