Andere Kunden interessierten sich auch für
![El potencial de la inteligencia artificial en el marketing en redes sociales]( "El potencial de la inteligencia artificial en el marketing en redes sociales")
El potencial de la inteligencia artificial en el marketing en redes sociales30,99 €![El uso de la inteligencia artificial y el ICB en las señales de EEG para el movimiento]( "El uso de la inteligencia artificial y el ICB en las señales de EEG para el movimiento")
El uso de la inteligencia artificial y el ICB en las señales de EEG para el movimiento36,99 €![Marketing de afiliación en la era de la inteligencia artificial]( "Marketing de afiliación en la era de la inteligencia artificial")
Marketing de afiliación en la era de la inteligencia artificial30,99 €![El aula inteligente: El papel de la inteligencia artificial en la educación]( "El aula inteligente: El papel de la inteligencia artificial en la educación")
El aula inteligente: El papel de la inteligencia artificial en la educación47,99 €![La inteligencia artificial y el futuro de la humanidad]( "La inteligencia artificial y el futuro de la humanidad")
La inteligencia artificial y el futuro de la humanidad54,99 €![Desentrañar los misterios de la inteligencia artificial]( "Desentrañar los misterios de la inteligencia artificial")
Desentrañar los misterios de la inteligencia artificial30,99 €![La frontera de la IA: Explorando los límites de la inteligencia artificial]( "La frontera de la IA: Explorando los límites de la inteligencia artificial")
La frontera de la IA: Explorando los límites de la inteligencia artificial30,99 €
Nos gusta tener soluciones sencillas y automatizadas , pero estas soluciones sencillas y automatizadas en tecnología también pueden contener riesgos si no se tratan adecuadamente . Es necesario centrarse en laseguridad y la privacidad de IoT .Puede haber múltiples tipos de ataques en las redes IoT que pueden dañar el dispositivo o robar información confidencial. Por lo tanto, las técnicas deinteligencia artificial (IA )tienen la capacidad de detectar y clasificar un comportamiento de red desconocido mediante el aprendizaje de los patrones de ataques de red basados en grandes volúmenes de datos históricos. Utilizamos elconjunto de datos Aposemat IoT-23 , investigamos los antecedentes e implementamos los algoritmos de aprendizaje automático como Decision Tree, Random Forest y Naive Bayes. También comparamos la precisión entre estos algoritmos de aprendizaje automático en el conjunto de datos IoT-23 y mostramos el algoritmo de aprendizaje automático más eficiente según los resultados utilizando el conjunto de datos Aposemat IoT-23, así como mostramos técnicas de ingeniería de características para preprocesar el conjunto de datos mencionado para la detección y clasificación de ataques de red IoT.