Diese Arbeit befasst sich mit der Entwicklung eines neuen Ansatzes auf der Grundlage von Deep Learning, um ein effizientes und flexibles System zur Erkennung von Eindringlingen zu implementieren, das den verhaltensbasierten Ansatz verwendet und hauptsächlich für kritische Infrastrukturen und industrielle Kontrollsysteme bestimmt ist. Basierend auf der Annahme, dass die Modellierung des normalen Netzwerkverhaltens von industriellen Kontrollsystemen machbar und zuverlässig ist, da die in diesen Systemen durchgeführten Operationen ziemlich stationär und repetitiv sind, werden Convolutional Neural Networks (CNN), eine Technik des "deep learning", auf dem NSL-KDD-Datensatz verwendet, einem Referenzdatensatz, der für die Einrichtung von Intrusion Detection Systemen verwendet wird. Die Leistung des Ansatzes wird vorgestellt und mit einigen früheren Arbeiten verglichen. Die verwendeten Metriken umfassen den Prozentsatz der korrekten Klassifizierung, die Genauigkeit und die False Positives.
"synopsis" may belong to another edition of this title.
Seller: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Germany
Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Diese Arbeit befasst sich mit der Entwicklung eines neuen Ansatzes auf der Grundlage von Deep Learning, um ein effizientes und flexibles System zur Erkennung von Eindringlingen zu implementieren, das den verhaltensbasierten Ansatz verwendet und hauptsächlich für kritische Infrastrukturen und industrielle Kontrollsysteme bestimmt ist. Basierend auf der Annahme, dass die Modellierung des normalen Netzwerkverhaltens von industriellen Kontrollsystemen machbar und zuverlässig ist, da die in diesen Systemen durchgeführten Operationen ziemlich stationär und repetitiv sind, werden Convolutional Neural Networks (CNN), eine Technik des 'deep learning', auf dem NSL-KDD-Datensatz verwendet, einem Referenzdatensatz, der für die Einrichtung von Intrusion Detection Systemen verwendet wird. Die Leistung des Ansatzes wird vorgestellt und mit einigen früheren Arbeiten verglichen. Die verwendeten Metriken umfassen den Prozentsatz der korrekten Klassifizierung, die Genauigkeit und die False Positives. 116 pp. Deutsch. Seller Inventory # 9786205985700
Seller: moluna, Greven, Germany
Condition: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Momo Ziazet JuniorJunior Momo Ziazet, Design-Ingenieur fuer Telekommunikation und IKT an der Fakultaet fuer Wirtschaftsingenieurwesen der Universitaet Douala in Kamerun. Begeistert von Digitaltechnik und kuenstlicher Intelligenz. Derzeit . Seller Inventory # 872178852
Quantity: Over 20 available
Seller: buchversandmimpf2000, Emtmannsberg, BAYE, Germany
Taschenbuch. Condition: Neu. This item is printed on demand - Print on Demand Titel. Neuware -Diese Arbeit befasst sich mit der Entwicklung eines neuen Ansatzes auf der Grundlage von Deep Learning, um ein effizientes und flexibles System zur Erkennung von Eindringlingen zu implementieren, das den verhaltensbasierten Ansatz verwendet und hauptsächlich für kritische Infrastrukturen und industrielle Kontrollsysteme bestimmt ist. Basierend auf der Annahme, dass die Modellierung des normalen Netzwerkverhaltens von industriellen Kontrollsystemen machbar und zuverlässig ist, da die in diesen Systemen durchgeführten Operationen ziemlich stationär und repetitiv sind, werden Convolutional Neural Networks (CNN), eine Technik des 'deep learning', auf dem NSL-KDD-Datensatz verwendet, einem Referenzdatensatz, der für die Einrichtung von Intrusion Detection Systemen verwendet wird. Die Leistung des Ansatzes wird vorgestellt und mit einigen früheren Arbeiten verglichen. Die verwendeten Metriken umfassen den Prozentsatz der korrekten Klassifizierung, die Genauigkeit und die False Positives.VDM Verlag, Dudweiler Landstraße 99, 66123 Saarbrücken 116 pp. Deutsch. Seller Inventory # 9786205985700
Seller: AHA-BUCH GmbH, Einbeck, Germany
Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Diese Arbeit befasst sich mit der Entwicklung eines neuen Ansatzes auf der Grundlage von Deep Learning, um ein effizientes und flexibles System zur Erkennung von Eindringlingen zu implementieren, das den verhaltensbasierten Ansatz verwendet und hauptsächlich für kritische Infrastrukturen und industrielle Kontrollsysteme bestimmt ist. Basierend auf der Annahme, dass die Modellierung des normalen Netzwerkverhaltens von industriellen Kontrollsystemen machbar und zuverlässig ist, da die in diesen Systemen durchgeführten Operationen ziemlich stationär und repetitiv sind, werden Convolutional Neural Networks (CNN), eine Technik des 'deep learning', auf dem NSL-KDD-Datensatz verwendet, einem Referenzdatensatz, der für die Einrichtung von Intrusion Detection Systemen verwendet wird. Die Leistung des Ansatzes wird vorgestellt und mit einigen früheren Arbeiten verglichen. Die verwendeten Metriken umfassen den Prozentsatz der korrekten Klassifizierung, die Genauigkeit und die False Positives. Seller Inventory # 9786205985700
Seller: preigu, Osnabrück, Germany
Taschenbuch. Condition: Neu. Auf Deep Learning basierendes Intrusion Detection System | Junior Momo Ziazet | Taschenbuch | 116 S. | Deutsch | 2023 | Verlag Unser Wissen | EAN 9786205985700 | Verantwortliche Person für die EU: BoD - Books on Demand, In de Tarpen 42, 22848 Norderstedt, info[at]bod[dot]de | Anbieter: preigu. Seller Inventory # 126912302