A Lightweight Federated Deep Learning Framework for Real-Time Intrusion Detection and Autonomous Mitigation in Software-Defined Wireless Networks
Cet article propose un cadre léger et sécurisé pour les réseaux sans fil définis par logiciel qui intègre une authentification par preuve de connaissance de type Zero Michaelis-Menten, une vérification par hachage, ainsi qu'une approche améliorée d'apprentissage par renforcement fédéré de premier synchrotron avec des unités récurrentes de régularisation contrastive gaussienne symétrique à porte afin d'atteindre une précision de 99,9833 % dans la détection et l'atténuation autonome des attaques DDoS en temps réel.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.