Auf Deep Learning basierendes Intrusion Detection System - Couverture souple

Momo Ziazet, Junior

9786205985700: Auf Deep Learning basierendes Intrusion Detection System

Couverture souple

ISBN 10 : 6205985705 ISBN 13 : 9786205985700

Editeur : Verlag Unser Wissen, 2023

Afficher les exemplaires de cette �dition comportant l?ISBN

0 D'occasion

5 Neuf

De EUR 61,90

D�tails de l'�dition

�diteur: Verlag Unser Wissen
Date d'�dition: 2023
Langue: allemand
ISBN 10: 6205985705
ISBN 13: 9786205985700
Reliure: Broch�
Nombre de pages: 116
Coordonn�es du fabricant: non disponible
Personne responsable: non disponible

R�sultats de recherche pour Auf Deep Learning basierendes Intrusion Detection System

Image fournie par le vendeur

Auf Deep Learning basierendes Intrusion Detection System

Junior Momo Ziazet

Edit� par Verlag Unser Wissen Mai 2023, 2023

ISBN 10 : 6205985705 ISBN 13 : 9786205985700

Neuf Taschenbuch

impression � la demande

Vendeur : BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Allemagne

�valuation du vendeur 5 sur 5 �toiles

Taschenbuch. Etat : Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Diese Arbeit befasst sich mit der Entwicklung eines neuen Ansatzes auf der Grundlage von Deep Learning, um ein effizientes und flexibles System zur Erkennung von Eindringlingen zu implementieren, das den verhaltensbasierten Ansatz verwendet und haupts�chlich f�r kritische Infrastrukturen und industrielle Kontrollsysteme bestimmt ist. Basierend auf der Annahme, dass die Modellierung des normalen Netzwerkverhaltens von industriellen Kontrollsystemen machbar und zuverl�ssig ist, da die in diesen Systemen durchgef�hrten Operationen ziemlich station�r und repetitiv sind, werden Convolutional Neural Networks (CNN), eine Technik des 'deep learning', auf dem NSL-KDD-Datensatz verwendet, einem Referenzdatensatz, der f�r die Einrichtung von Intrusion Detection Systemen verwendet wird. Die Leistung des Ansatzes wird vorgestellt und mit einigen fr�heren Arbeiten verglichen. Die verwendeten Metriken umfassen den Prozentsatz der korrekten Klassifizierung, die Genauigkeit und die False Positives. 116 pp. Deutsch. N� de r�f. du vendeur 9786205985700

Contacter le vendeur

Acheter neuf

EUR 61,90

Exp�dition �EUR 23
Exp�dition depuis Allemagne vers Etats-Unis

Quantit� disponible : 2 disponible(s)

Ajouter au panier

Image fournie par le vendeur

Auf Deep Learning basierendes Intrusion Detection System

Junior Momo Ziazet

Edit� par Verlag Unser Wissen, 2023

ISBN 10 : 6205985705 ISBN 13 : 9786205985700

Neuf Couverture souple

impression � la demande

Vendeur : moluna, Greven, Allemagne

�valuation du vendeur 5 sur 5 �toiles

Etat : New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Momo Ziazet JuniorJunior Momo Ziazet, Design-Ingenieur fuer Telekommunikation und IKT an der Fakultaet fuer Wirtschaftsingenieurwesen der Universitaet Douala in Kamerun. Begeistert von Digitaltechnik und kuenstlicher Intelligenz. Derzeit . N� de r�f. du vendeur 872178852

Contacter le vendeur

Acheter neuf

EUR 61,90

Exp�dition �EUR 45
Exp�dition depuis Allemagne vers Etats-Unis

Quantit� disponible : Plus de 20 disponibles

Ajouter au panier

Image fournie par le vendeur

Auf Deep Learning basierendes Intrusion Detection System

Junior Momo Ziazet

Edit� par Verlag Unser Wissen Mai 2023, 2023

ISBN 10 : 6205985705 ISBN 13 : 9786205985700

Neuf Taschenbuch

impression � la demande

Vendeur : buchversandmimpf2000, Emtmannsberg, BAYE, Allemagne

�valuation du vendeur 5 sur 5 �toiles

Taschenbuch. Etat : Neu. This item is printed on demand - Print on Demand Titel. Neuware -Diese Arbeit befasst sich mit der Entwicklung eines neuen Ansatzes auf der Grundlage von Deep Learning, um ein effizientes und flexibles System zur Erkennung von Eindringlingen zu implementieren, das den verhaltensbasierten Ansatz verwendet und haupts�chlich f�r kritische Infrastrukturen und industrielle Kontrollsysteme bestimmt ist. Basierend auf der Annahme, dass die Modellierung des normalen Netzwerkverhaltens von industriellen Kontrollsystemen machbar und zuverl�ssig ist, da die in diesen Systemen durchgef�hrten Operationen ziemlich station�r und repetitiv sind, werden Convolutional Neural Networks (CNN), eine Technik des 'deep learning', auf dem NSL-KDD-Datensatz verwendet, einem Referenzdatensatz, der f�r die Einrichtung von Intrusion Detection Systemen verwendet wird. Die Leistung des Ansatzes wird vorgestellt und mit einigen fr�heren Arbeiten verglichen. Die verwendeten Metriken umfassen den Prozentsatz der korrekten Klassifizierung, die Genauigkeit und die False Positives.VDM Verlag, Dudweiler Landstra�e 99, 66123 Saarbr�cken 116 pp. Deutsch. N� de r�f. du vendeur 9786205985700

Contacter le vendeur

Acheter neuf

EUR 61,90

Exp�dition �EUR 60
Exp�dition depuis Allemagne vers Etats-Unis

Quantit� disponible : 1 disponible(s)

Ajouter au panier

Image fournie par le vendeur

Auf Deep Learning basierendes Intrusion Detection System

Junior Momo Ziazet

Edit� par Verlag Unser Wissen, 2023

ISBN 10 : 6205985705 ISBN 13 : 9786205985700

Neuf Taschenbuch

impression � la demande

Vendeur : AHA-BUCH GmbH, Einbeck, Allemagne

�valuation du vendeur 5 sur 5 �toiles

Taschenbuch. Etat : Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Diese Arbeit befasst sich mit der Entwicklung eines neuen Ansatzes auf der Grundlage von Deep Learning, um ein effizientes und flexibles System zur Erkennung von Eindringlingen zu implementieren, das den verhaltensbasierten Ansatz verwendet und haupts�chlich f�r kritische Infrastrukturen und industrielle Kontrollsysteme bestimmt ist. Basierend auf der Annahme, dass die Modellierung des normalen Netzwerkverhaltens von industriellen Kontrollsystemen machbar und zuverl�ssig ist, da die in diesen Systemen durchgef�hrten Operationen ziemlich station�r und repetitiv sind, werden Convolutional Neural Networks (CNN), eine Technik des 'deep learning', auf dem NSL-KDD-Datensatz verwendet, einem Referenzdatensatz, der f�r die Einrichtung von Intrusion Detection Systemen verwendet wird. Die Leistung des Ansatzes wird vorgestellt und mit einigen fr�heren Arbeiten verglichen. Die verwendeten Metriken umfassen den Prozentsatz der korrekten Klassifizierung, die Genauigkeit und die False Positives. N� de r�f. du vendeur 9786205985700

Contacter le vendeur