Search research articles

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Videos de Conceptos Relacionados

Network Covalent Solids

Network Covalent Solids

Network covalent solids contain a three-dimensional network of covalently bonded atoms as found in the crystal structures of nonmetals like diamond, graphite, silicon, and some covalent compounds, such as silicon dioxide (sand) and silicon carbide (carborundum, the abrasive on sandpaper). Many minerals have networks of covalent bonds.
To break or to melt a covalent network solid, covalent bonds must be broken. Because covalent bonds are relatively strong, covalent network solids are typically...

Protein Networks

Protein Networks

An organism can have thousands of different proteins, and these proteins must cooperate to ensure the health of an organism. Proteins bind to other proteins and form complexes to carry out their functions. Many proteins interact with multiple other proteins creating a complex network of protein interactions.
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...

Protein Networks

Protein Networks

Network Function of a Circuit

Network Function of a Circuit

Frequency response analysis in electrical circuits provides vital insights into a circuit's behavior as the frequency of the input signal changes. The transfer function, a mathematical tool, is instrumental in understanding this behavior. It defines the relationship between phasor output and input and comes in four types: voltage gain, current gain, transfer impedance, and transfer admittance. The critical components of the transfer function are the poles and zeros.

Sequence Networks of Rotating Machines

Sequence Networks of Rotating Machines

A Y-connected synchronous generator, grounded through a neutral impedance, is designed to produce balanced internal phase voltages with only positive-sequence components. The generator's sequence networks include a source voltage that is exclusively in the positive-sequence network. The sequence components of line-to-ground voltages at the generator terminals illustrate this configuration.
Zero-sequence current induces a voltage drop across the generator's neutral impedance and other...

Convolution Properties II

Convolution Properties II

The important convolution properties include width, area, differentiation, and integration properties.
The width property indicates that if the durations of input signals are T1 and T2, then the width of the output response equals the sum of both durations, irrespective of the shapes of the two functions. For instance, convolving two rectangular pulses with durations of 2 seconds and 1 second results in a function with a width of 3 seconds.
The area property asserts that the area under the...

También podría leer

Artículos Relacionados

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

Ordenar por

Same author

Deep Learning for Brain Tumour Analysis: A Systematic Review of CNN-Transformer Hybrids in Multimodal Imaging.

International journal of biomedical imaging·2026

Same author

MeatScan: An image dataset for machine learning-based classification of fresh and spoiled cow meat.

Data in brief·2025

Same author

EfficientMaize: A Lightweight Dataset for Maize Classification on Resource-Constrained Devices.

Data in brief·2024

Same author

Securing cloud data using secret key 4 optimization algorithm (SK4OA) with a non-linearity run time trend.

PloS one·2024

Same author

TTDCapsNet: Tri Texton-Dense Capsule Network for complex and medical image recognition.

PloS one·2024

Same author

Ensuring privacy and confidentiality of cloud data: A comparative analysis of diverse cryptographic solutions based on run time trend.

PloS one·2023

Search research articles

Video Experimental Relacionado

Updated: Jan 23, 2026

Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy

Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy

Published on: August 5, 2014

Detección de intrusiones en redes mediante una arquitectura híbrida de red convolucional basada en grafos y

Peter Appiahene¹, Samuel Opoku Berchie¹, Emmanuel Botchway¹

¹Department of Information Technology and Decision Sciences, University of Energy and Natural Resources, Sunyani, Ghana.

|January 21, 2026

Resumen

Un nuevo modelo híbrido de detección de intrusiones, GConvTrans, identifica eficazmente amenazas cibernéticas sofisticadas en entornos de nube. Este sistema avanzado combina capas convolucionales de grafos y Transformer para una detección robusta de intrusiones en redes.

Palabras clave:

redes neuronales seguridad informática aprendizaje profundo computación en la nube algoritmos aprendizaje automático detección de intrusiones ciberseguridad inteligencia artificial

Más Videos Relacionados

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

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

Published on: December 15, 2023

Soft Pneumatic Robot Modulates Graph Theory Metrics of Brain Network for Hand Rehabilitation After Stroke

Soft Pneumatic Robot Modulates Graph Theory Metrics of Brain Network for Hand Rehabilitation After Stroke

Published on: October 10, 2025

Videos de Experimentos Relacionados

Last Updated: Jan 23, 2026

Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy

Network Analysis of the Default Mode Network Using Functional Connectivity MRI in Temporal Lobe Epilepsy

Published on: August 5, 2014

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

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

Published on: December 15, 2023

Soft Pneumatic Robot Modulates Graph Theory Metrics of Brain Network for Hand Rehabilitation After Stroke

Soft Pneumatic Robot Modulates Graph Theory Metrics of Brain Network for Hand Rehabilitation After Stroke

Published on: October 10, 2025

Área de la Ciencia:

Ciencias de la Computación
Ciberseguridad
Inteligencia Artificial

Sus antecedentes:

La expansión de la computación en la nube aumenta la vulnerabilidad a los ciberataques avanzados.
Los sistemas de seguridad tradicionales luchan contra intrusiones sofisticadas.
Los modelos existentes de detección de intrusiones basados en IA enfrentan limitaciones con los datos y el reconocimiento de patrones dinámicos.

Objetivo del estudio:

Desarrollar un modelo híbrido novedoso de detección de intrusiones para entornos de nube.
Abordar las limitaciones de los modelos de IA actuales en la detección de intrusiones complejas en redes.
Mejorar los sistemas de detección de intrusiones en redes (NIDS) utilizando aprendizaje profundo.

Principales métodos:

Se propuso una arquitectura híbrida de red neuronal profunda llamada GConvTrans.
Se integraron capas convolucionales de grafos y capas codificadoras Transformer.
Se transformaron datos tabulares de tráfico de red en grafos computacionales utilizando el conjunto de datos CIC-IDS 2018.

Principales resultados:

GConvTrans logró una alta precisión: 84.7% en el conjunto de entrenamiento, 96.75% en el de validación y 96.94% en el de prueba.
El modelo aprovechó eficazmente la información estructural local y el contexto global.
Se demostró la robustez de la combinación del aprendizaje de grafos con el aprendizaje profundo para la detección de intrusiones.

Conclusiones:

El modelo GConvTrans muestra una promesa significativa para detectar intrusiones complejas en redes en entornos de nube.
La combinación de técnicas de aprendizaje de grafos y aprendizaje profundo ofrece un enfoque robusto para la ciberseguridad.
El trabajo futuro incluye la exploración de otros conjuntos de datos, el refinamiento de la arquitectura y el análisis del rendimiento en tareas de aprendizaje de grafos como la predicción de enlaces.