Andere Kunden interessierten sich auch für
![Die Kluft überbrücken: Mit künstlicher Intelligenz die Armut überwinden Intelligenz]( "Die Kluft überbrücken: Mit künstlicher Intelligenz die Armut überwinden Intelligenz")
Die Kluft überbrücken: Mit künstlicher Intelligenz die Armut überwinden Intelligenz43,90 €![Das Potenzial von künstlicher Intelligenz im Social Media Marketing]( "Das Potenzial von künstlicher Intelligenz im Social Media Marketing")
Das Potenzial von künstlicher Intelligenz im Social Media Marketing43,90 €![Überwachung von industriellen Prozessen mit künstlicher Intelligenz]( "Überwachung von industriellen Prozessen mit künstlicher Intelligenz")
Überwachung von industriellen Prozessen mit künstlicher Intelligenz82,90 €![Verwendung von künstlicher Intelligenz und BCI in EEG-Signalen für Bewegung]( "Verwendung von künstlicher Intelligenz und BCI in EEG-Signalen für Bewegung")
Verwendung von künstlicher Intelligenz und BCI in EEG-Signalen für Bewegung54,90 €![Irakische Aktienmarktprognose mit Hilfe künstlicher neuronaler Netze]( "Irakische Aktienmarktprognose mit Hilfe künstlicher neuronaler Netze")
Irakische Aktienmarktprognose mit Hilfe künstlicher neuronaler Netze49,90 €![Dynamisches Verkehrskontrollsystem durch Erkennung der Live-Verkehrsdichte]( "Dynamisches Verkehrskontrollsystem durch Erkennung der Live-Verkehrsdichte")
Dynamisches Verkehrskontrollsystem durch Erkennung der Live-Verkehrsdichte79,90 €![Künstliche Intelligenz in intelligenten Systemen]( "Künstliche Intelligenz in intelligenten Systemen")
Künstliche Intelligenz in intelligenten Systemen79,90 €
Wir mögen einfache und automatisierte Lösungen , aber diese einfachen und automatisierten Lösungen in der Technologie können auch Risiken enthalten, wenn sie nicht richtig gehandhabt werden. IoT-Sicherheits- und Datenschutzbelange müssen imMittelpunkt stehen. Es kann mehrere Arten von Angriffen auf IoT-Netzwerke geben, die das Gerät beschädigen oder die sensiblen Informationen stehlen können . Daher haben Techniken der künstlichen Intelligenz (KI) dieFähigkeit, ein unbekanntes Netzwerkverhalten zu erkennen und zu klassifizieren , indem sie die Muster von Netzwerkangriffen aufder Grundlage großer Mengen historischer Daten erlernen . Wir haben den Aposemat IoT-23-Datensatz verwendet , den Hintergrund untersucht und die Algorithmen des maschinellen Lernens wie Entscheidungsbaum, Random Forest und Naive Bayes implementiert . Wir verglichen auch die Genauigkeit zwischen diesen maschinellen Lernalgorithmen auf dem IoT-23-Datensatz und zeigten den effizientesten maschinellen Lernalgorithmus gemäß den Ergebnissen, indem wir den Aposemat IoT-23-Datensatz verwendeten , sowieFeature-Engineering-Techniken zur Vorverarbeitung des erwähnten Datensatzes für die Erkennung und Klassifizierung von IoT-Netzwerkangriffen.