Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Types of Errors: Detection and Minimization01:12

Types of Errors: Detection and Minimization

8.7K
Error is the deviation of the obtained result from the true, expected value or the estimated central value. Errors are expressed in absolute or relative terms.
Absolute error in a measurement is the numerical difference from the true or central value. Relative error is the ratio between absolute error and the true or central value, expressed as a percentage.
Errors can be classified by source, magnitude, and sign. There are three types of errors: systematic, random, and gross.
Systematic or...
8.7K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

A Case of Intralobar Pulmonary Sequestration in Situs Inversus Totalis.

Respirology case reports·2026
Same author

Post-intracerebral hemorrhage depression comorbid with obstructive sleep apnea and REM sleep behavior disorder: a case report and literature review.

Frontiers in psychiatry·2026
Same author

Atomically Precise Supported Au<sub>15</sub> Nanoclusters for Efficient and Selective Electrooxidation of Lignin-Derived Alcohols to Aromatic Ketones.

Nano letters·2026
Same author

Longitudinal Trajectories and Determinants of Fear of Falling in Post-Stroke Patients.

Journal of nursing scholarship : an official publication of Sigma Theta Tau International Honor Society of Nursing·2026
Same author

The efficacy, safety, and rationale of orelabrutinib combined with obinutuzumab (O2) as a first-line systemic treatment for marginal zone lymphoma.

Blood cancer journal·2026
Same author

Neonatal genetic sequencing as a first-tier option: a real-world clinical implementation study in Northern China.

Annals of medicine·2026

Video Experimental Relacionado

Updated: May 3, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

635

MACML: Método de metaaprendizaje basado en la atención y la convolución para la detección de intrusiones de IoT de

Congyuan Xu1,2, Jun Yang1, Panpan Li1

  • 1College of Artificial Intelligence, Jiaxing University, Jiaxing, Zhejiang, China.

PloS one
|August 29, 2025
PubMed
Resumen

Este estudio presenta MACML, un nuevo sistema de detección de intrusiones de metaaprendizaje para la seguridad de Internet de las Cosas (IoT). MACML detecta efectivamente nuevos ataques cibernéticos con un mínimo de datos, mejorando la protección de los dispositivos IoT.

Más Videos Relacionados

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

4.1K

Videos de Experimentos Relacionados

Last Updated: May 3, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

635
Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

4.1K

Área de la Ciencia:

  • Ciberseguridad
  • Aprendizaje automático
  • Internet de las cosas (IoT)

Sus antecedentes:

  • Los dispositivos del Internet de las Cosas (IoT) son cada vez más vulnerables a los ciberataques.
  • Los sistemas tradicionales de detección de intrusiones (IDS) luchan con nuevas amenazas debido a la dependencia de extensos datos etiquetados.
  • Los escenarios de aprendizaje a corto plazo presentan un desafío significativo para los IDS existentes.

Objetivo del estudio:

  • Desarrollar un método avanzado de detección de intrusiones para entornos IoT.
  • Mejorar la detección de nuevos ciberataques utilizando datos limitados.
  • Mejorar la capacidad de generalización de los sistemas de detección de intrusos.

Principales métodos:

  • Proponiendo MACML (Marrying Attention and Convolution-based Meta-Learning), un enfoque de meta-aprendizaje en el que el aprendizaje se basa en la atención y la conversión.
  • Integración de mecanismos de autoatención para la extracción de características globales y redes neuronales convolucionales para la extracción de características locales.
  • Utilizando un marco de metaaprendizaje basado en la optimización para una rápida adaptación con pocas muestras de capacitación.

Principales resultados:

  • MACML logró una precisión del 98.75% y una tasa de detección del 99.17% en CICIDS2018 con solo 10 muestras de capacitación.
  • En CICIoT2023, MACML demostró una precisión del 94,47% y una tasa de detección del 95,32%.
  • El método propuesto superaba a las técnicas de detección de intrusiones más avanzadas existentes.

Conclusiones:

  • MACML aborda efectivamente el desafío de detectar nuevos ciberataques en escenarios de pocos disparos para IoT.
  • La integración de la atención y la convolución mejora la percepción del modelo de las características del tráfico de red.
  • MACML ofrece una solución prometedora para la detección de intrusiones robusta y adaptable en los ecosistemas de IoT.