Klaipėdos universitetas logo


  • List of journals
  • About Publisher
  • Help
  • Sitemap
Login Register

  1. Home
  2. Journals
  3. csat
  4. Issues
  5. Volume 9, Issue 1 (2025)
  6. Mašininių mokymo metodų lyginamoji našum ...

Computational Science and Techniques

Submit your article Information
  • Article info
  • More
    Article info

Mašininių mokymo metodų lyginamoji našumo analizė kibernetinių incidentų aptikimui daiktų interneto tinkluose
Volume 9, Issue 1 (2025), pp. 679–697
Kostas Ereksonas  

Authors

 
Placeholder
https://doi.org/10.15181/csat.v9.2504
Pub. online: 19 June 2025      Type: Article      Open accessOpen Access

Received
7 May 2025
Revised
30 May 2025
Accepted
3 June 2025
Published
19 June 2025

Abstract

Augant naudojamų daiktų interneto įrenginių bei tinklų skaičiui, kyla ir naujos saugumo rizikos, susijusios su šiais daiktų interneto tinklais. Šiame darbe yra pristatoma lyginamoji įvairių mašininio ir gilaus mokymosi modelių klasifikavimo našumo analizė – tikslumo bei atpažinimo metrikos – naudojant CIC-IoT-IDS2023 duomenų rinkinį, skirtą apmokyti mašininio mokymo modelius aptikti prieš daiktų interneto įrenginius nukreiptas atakas. Taip pat pateiktiamos gaires tolimesniems darbams kuriant kibernetinių įsilaužimų aptikimo sistemą daiktų interneto tinkluose. Siūlomos gairės apima sprendimo medžių modelių hiperparametrų tobulinimą, realaus laiko įsilaužimų aptikimo komponento kūrimą bei testavimą naudojant kraštinius (angl. edge) įrenginius.

PDF XML
PDF XML

Copyright
Creative Commons Attribution License
by logo by logo
Creative Commons Attribution License

Keywords
CIC-IoT-IDS2023 mašininis mokymas gilusis mokymas daiktų internetas įsilaužimų aptikimo sistema

Metrics
since February 2021
149

Article info
views

0

Full article
views

15

PDF
downloads

3

XML
downloads

Export citation

Copy and paste formatted citation
Placeholder

Download citation in file


Share


RSS

Powered by PubliMill  •  Privacy policy