Nous aimons avoir des solutions simples et automatisées , mais ces solutions technologiques simples et automatisées peuvent également contenir des risques si elles ne sont pas gérées correctement. Lesproblèmes de sécurité et de confidentialité de l'IdO doivent être pris en compte. Il peut y avoir de nombreux types d'attaques sur les réseaux IdO qui peuvent endommager l'appareil ou voler des informations sensibles .Parconséquent, les techniques d'intelligence artificielle(IA )ont la capacité de détecter et de classer un comportement de réseau inconnu en apprenant les modèles d'attaques de réseau basés sur de grands volumes de données historiques .Nous avons utilisé l'ensemble de données Aposemat IoT-23 , étudié le contexte et mis en oeuvre les algorithmes d'apprentissage automatique tels que Decision Tree, Random Forest et Naive Bayes. Nous avons égalementcomparé la précision de ces algorithmes d'apprentissage automatique sur l'ensemble de données IoT-23 et montré l'algorithme d'apprentissage automatique le plus efficace selon les résultats en utilisant l'ensemble de données Aposemat IoT-23, ainsi que des techniques d'ingénierie des caractéristiques pour prétraiter l'ensemble de données mentionné pour la détection et la classification des attaques de réseau IoT.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.