Federated Hybrid Deep Learning Framework for IoT Intrusion Detection Using N-BaIoT, CICIoT2023, and BoT-IoT Datasets
Dieses Paper präsentiert ein end-to-end föderiertes hybrides Deep-Learning-Framework für die IoT-Intrusionserkennung, das diverse Modelle (einschließlich CNN, LSTM und XGBoost) auf den Datensätzen N-BaIoT, CICIoT2023 und BoT-IoT vorverarbeitet und trainiert, um eine starke Performance zu erreichen und gleichzeitig Datenschutz sowie Ressourcenbeschränkungen zu adressieren, wobei die Ergebnisse die besondere Herausforderung des Multiclass-Datensatzes CICIoT2023 hervorheben.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.