Deploying Machine Learning in Distributed Sensing to Increase Resilience of Fiber Optic Infrastructure

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F23%3APU148652" target="_blank" >RIV/00216305:26220/23:PU148652 - isvavai.cz</a>
Výsledek na webu
<a href="https://opg.optica.org/abstract.cfm?uri=CLEO_SI-2023-JW2A.102" target="_blank" >https://opg.optica.org/abstract.cfm?uri=CLEO_SI-2023-JW2A.102</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Deploying Machine Learning in Distributed Sensing to Increase Resilience of Fiber Optic Infrastructure
Popis výsledku v původním jazyce
We report a novel approach to the security of fiber optic infrastructures utilizing state of polarization analyzes or Mach-Zehnder interferometry and using supervised or unsupervised machine-learning models for unauthorized cable manipulation detection.
Název v anglickém jazyce
Deploying Machine Learning in Distributed Sensing to Increase Resilience of Fiber Optic Infrastructure
Popis výsledku anglicky
We report a novel approach to the security of fiber optic infrastructures utilizing state of polarization analyzes or Mach-Zehnder interferometry and using supervised or unsupervised machine-learning models for unauthorized cable manipulation detection.

Projekt
<a href="/cs/project/VK01030048" target="_blank" >VK01030048: Detekce anomálií v kritických infrastrukturách s využitím strojového učení</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Popis výsledku