Cross ML for Io(H)T Network Traffic Classification: A New Approach Towards Standardization

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F24%3A00382129" target="_blank" >RIV/68407700:21230/24:00382129 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1109/CSNet64211.2024.10851757" target="_blank" >https://doi.org/10.1109/CSNet64211.2024.10851757</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/CSNet64211.2024.10851757" target="_blank" >10.1109/CSNet64211.2024.10851757</a>

Jazyk výsledku
angličtina
Název v původním jazyce
Cross ML for Io(H)T Network Traffic Classification: A New Approach Towards Standardization
Popis výsledku v původním jazyce
The rapid proliferation of the Internet of Things (IoT) underscores the need for robust network security, especially in sectors like healthcare. While numerous datasets support cyber-attack detection in the IoT space, there remains a challenge due to the limited availability of publicly accessible data specific to certain sectors, like healthcare. This study delves into Cross-Machine Learning (Cross-ML), a novel approach to leveraging data from multiple sources to enhance Machine Learning (ML)-based Network Intrusion Detection Systems (NIDS).
Název v anglickém jazyce
Cross ML for Io(H)T Network Traffic Classification: A New Approach Towards Standardization
Popis výsledku anglicky
The rapid proliferation of the Internet of Things (IoT) underscores the need for robust network security, especially in sectors like healthcare. While numerous datasets support cyber-attack detection in the IoT space, there remains a challenge due to the limited availability of publicly accessible data specific to certain sectors, like healthcare. This study delves into Cross-Machine Learning (Cross-ML), a novel approach to leveraging data from multiple sources to enhance Machine Learning (ML)-based Network Intrusion Detection Systems (NIDS).

Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění
2024
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)