Dekorationsartikel gehören nicht zum Leistungsumfang.
Sprache:
Deutsch
43,90 €*
Versandkostenfrei per Post / DHL
Lieferzeit 4-7 Werktage
Kategorien:
Beschreibung
Wir mögen einfache und automatisierte Lösungen , aber diese einfachen und automatisierten Lösungen in der Technologie können auch Risiken enthalten, wenn sie nicht richtig gehandhabt werden. IoT-Sicherheits- und Datenschutzbelange müssen imMittelpunkt stehen. Es kann mehrere Arten von Angriffen auf IoT-Netzwerke geben, die das Gerät beschädigen oder die sensiblen Informationen stehlen können . Daher haben Techniken der künstlichen Intelligenz (KI) dieFähigkeit, ein unbekanntes Netzwerkverhalten zu erkennen und zu klassifizieren , indem sie die Muster von Netzwerkangriffen aufder Grundlage großer Mengen historischer Daten erlernen . Wir haben den Aposemat IoT-23-Datensatz verwendet , den Hintergrund untersucht und die Algorithmen des maschinellen Lernens wie Entscheidungsbaum, Random Forest und Naive Bayes implementiert . Wir verglichen auch die Genauigkeit zwischen diesen maschinellen Lernalgorithmen auf dem IoT-23-Datensatz und zeigten den effizientesten maschinellen Lernalgorithmus gemäß den Ergebnissen, indem wir den Aposemat IoT-23-Datensatz verwendeten , sowieFeature-Engineering-Techniken zur Vorverarbeitung des erwähnten Datensatzes für die Erkennung und Klassifizierung von IoT-Netzwerkangriffen.
Wir mögen einfache und automatisierte Lösungen , aber diese einfachen und automatisierten Lösungen in der Technologie können auch Risiken enthalten, wenn sie nicht richtig gehandhabt werden. IoT-Sicherheits- und Datenschutzbelange müssen imMittelpunkt stehen. Es kann mehrere Arten von Angriffen auf IoT-Netzwerke geben, die das Gerät beschädigen oder die sensiblen Informationen stehlen können . Daher haben Techniken der künstlichen Intelligenz (KI) dieFähigkeit, ein unbekanntes Netzwerkverhalten zu erkennen und zu klassifizieren , indem sie die Muster von Netzwerkangriffen aufder Grundlage großer Mengen historischer Daten erlernen . Wir haben den Aposemat IoT-23-Datensatz verwendet , den Hintergrund untersucht und die Algorithmen des maschinellen Lernens wie Entscheidungsbaum, Random Forest und Naive Bayes implementiert . Wir verglichen auch die Genauigkeit zwischen diesen maschinellen Lernalgorithmen auf dem IoT-23-Datensatz und zeigten den effizientesten maschinellen Lernalgorithmus gemäß den Ergebnissen, indem wir den Aposemat IoT-23-Datensatz verwendeten , sowieFeature-Engineering-Techniken zur Vorverarbeitung des erwähnten Datensatzes für die Erkennung und Klassifizierung von IoT-Netzwerkangriffen.
Über den Autor
Ein erfahrener Software-Ingenieur und Lehrer mit einem Master of Science in Informatik, der als Teamleiter einer Software-Abteilung in einer privaten Organisation arbeitet
Details
Erscheinungsjahr: | 2023 |
---|---|
Fachbereich: | Allgemeines |
Genre: | Technik |
Rubrik: | Naturwissenschaften & Technik |
Medium: | Taschenbuch |
Inhalt: | 52 S. |
ISBN-13: | 9786205933329 |
ISBN-10: | 6205933322 |
Sprache: | Deutsch |
Ausstattung / Beilage: | Paperback |
Einband: | Kartoniert / Broschiert |
Autor: |
Gul, Muhammad Jahanzaib
Raazi Syed, Muhammad Khaliq-Ur-Rahman |
Hersteller: | Verlag Unser Wissen |
Maße: | 220 x 150 x 4 mm |
Von/Mit: | Muhammad Jahanzaib Gul (u. a.) |
Erscheinungsdatum: | 25.04.2023 |
Gewicht: | 0,096 kg |
Über den Autor
Ein erfahrener Software-Ingenieur und Lehrer mit einem Master of Science in Informatik, der als Teamleiter einer Software-Abteilung in einer privaten Organisation arbeitet
Details
Erscheinungsjahr: | 2023 |
---|---|
Fachbereich: | Allgemeines |
Genre: | Technik |
Rubrik: | Naturwissenschaften & Technik |
Medium: | Taschenbuch |
Inhalt: | 52 S. |
ISBN-13: | 9786205933329 |
ISBN-10: | 6205933322 |
Sprache: | Deutsch |
Ausstattung / Beilage: | Paperback |
Einband: | Kartoniert / Broschiert |
Autor: |
Gul, Muhammad Jahanzaib
Raazi Syed, Muhammad Khaliq-Ur-Rahman |
Hersteller: | Verlag Unser Wissen |
Maße: | 220 x 150 x 4 mm |
Von/Mit: | Muhammad Jahanzaib Gul (u. a.) |
Erscheinungsdatum: | 25.04.2023 |
Gewicht: | 0,096 kg |
Warnhinweis