Evolutionary fuzzy rules for intrusion detection in wireless sensor networks
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F21%3A10247282" target="_blank" >RIV/61989100:27240/21:10247282 - isvavai.cz</a>
Výsledek na webu
<a href="https://link.springer.com/chapter/10.1007%2F978-3-030-57796-4_15" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-030-57796-4_15</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-030-57796-4_15" target="_blank" >10.1007/978-3-030-57796-4_15</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Evolutionary fuzzy rules for intrusion detection in wireless sensor networks
Popis výsledku v původním jazyce
Next-generation digital services and applications often rely on large numbers of devices connected to a common communication backbone. The security of such massively distributed systems is a major issue and advanced methods to improve their ability to detect and counter cybernetic attacks are needed. Evolutionary algorithms can automatically evolve and optimize sophisticated intrusion detection models, suitable for different applications. In this work, a hybrid evolutionary-fuzzy classification and regression algorithm is used to evolve detectors for several types of intrusions in a wireless sensor network. The ability of genetic programming and differential evolution to construct and optimize intrusion detectors for wireless sensor networks is evaluated on a recent intrusion detection data set capturing malicious activity in a wireless sensor network. (C) Springer Nature Switzerland AG 2021.
Název v anglickém jazyce
Evolutionary fuzzy rules for intrusion detection in wireless sensor networks
Popis výsledku anglicky
Next-generation digital services and applications often rely on large numbers of devices connected to a common communication backbone. The security of such massively distributed systems is a major issue and advanced methods to improve their ability to detect and counter cybernetic attacks are needed. Evolutionary algorithms can automatically evolve and optimize sophisticated intrusion detection models, suitable for different applications. In this work, a hybrid evolutionary-fuzzy classification and regression algorithm is used to evolve detectors for several types of intrusions in a wireless sensor network. The ability of genetic programming and differential evolution to construct and optimize intrusion detectors for wireless sensor networks is evaluated on a recent intrusion detection data set capturing malicious activity in a wireless sensor network. (C) Springer Nature Switzerland AG 2021.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10200 - Computer and information sciences
Návaznosti výsledku
Projekt
<a href="/cs/project/TN01000024" target="_blank" >TN01000024: Národní centrum kompetence - Kybernetika a umělá inteligence</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Advances in Intelligent Systems and Computing. Volume 1263
ISBN
978-3-030-57795-7
ISSN
2194-5357
e-ISSN
—
Počet stran výsledku
12
Strana od-do
149-160
Název nakladatele
Springer
Místo vydání
Cham
Místo konání akce
Victoria
Datum konání akce
31. 8. 2020
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—