Accelerated neural intrusion detection for wireless sensor networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F21%3A10249608" target="_blank" >RIV/61989100:27240/21:10249608 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-030-57796-4_20" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-030-57796-4_20</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-030-57796-4_20" target="_blank" >10.1007/978-3-030-57796-4_20</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Accelerated neural intrusion detection for wireless sensor networks

Popis výsledku v původním jazyce

Wireless sensor networks (WSNs) form an important layer of technology used in smart cities, intelligent transportation systems, Industry, Energy, Agriculture 4.0, the Internet of Things, and, for example, fog and edge computing. Cybernetic security of such systems is a major issue and efficient methods to improve their security and reliability are sought. Intrusion detection systems (IDSs) automatically detect malicious network traffic, classify cybernetic attacks, and protect systems and their users. Neural networks are used by a variety of intrusion detection systems. Their efficient use in WSNs requires both learning and optimization and very efficient implementation of the detection. In this work, the acceleration of a neural intrusion detection model, developed specifically for wireless sensor networks, is proposed, studied, and evaluated. (C) Springer Nature Switzerland AG 2021.

Název v anglickém jazyce

Accelerated neural intrusion detection for wireless sensor networks

Popis výsledku anglicky

Wireless sensor networks (WSNs) form an important layer of technology used in smart cities, intelligent transportation systems, Industry, Energy, Agriculture 4.0, the Internet of Things, and, for example, fog and edge computing. Cybernetic security of such systems is a major issue and efficient methods to improve their security and reliability are sought. Intrusion detection systems (IDSs) automatically detect malicious network traffic, classify cybernetic attacks, and protect systems and their users. Neural networks are used by a variety of intrusion detection systems. Their efficient use in WSNs requires both learning and optimization and very efficient implementation of the detection. In this work, the acceleration of a neural intrusion detection model, developed specifically for wireless sensor networks, is proposed, studied, and evaluated. (C) Springer Nature Switzerland AG 2021.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10200 - Computer and information sciences

Projekt

<a href="/cs/project/EF17_049%2F0008425" target="_blank" >EF17_049/0008425: Platforma pro výzkum orientovaný na Průmysl 4.0 a robotiku v ostravské aglomeraci</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Advances in Intelligent Systems and Computing. Volume 1263

ISBN

978-3-030-57795-7

ISSN

2194-5357

e-ISSN

2194-5365

Počet stran výsledku

12

Strana od-do

204-215

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

—