Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jun 29, 2026

The Modular Design and Production of an Intelligent Robot Based on a Closed-Loop Control Strategy
11:53

The Modular Design and Production of an Intelligent Robot Based on a Closed-Loop Control Strategy

Published on: October 14, 2017

利用混合深度学习与海星优化算法,基于智能城市环境中智能边缘计算的安全机制.

Amal K Alkhalifa1, Mohammed Aljebreen2, Rakan Alanazi3

  • 1Department of Computer Sciences, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, P.O. Box 84428, Riyadh, 11671, Saudi Arabia.

Scientific reports
|September 26, 2025
PubMed
概括

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Correction: Dual-functional Ni and Co oxide-doped carbon nanocomposite: an effective catalyst for electrochemical water splitting and CO<sub>2</sub> utilization.

RSC advances·2026
Same author

Fecal Extracellular Vesicle Metabolomics as a Non-Invasive Biomarker Source in Colorectal Cancer: TPOT AutoML Superiority over Tree-Based Models with SHAP and LIME Clinical Interpretability.

International journal of molecular sciences·2026
Same author

Deep learning-based RUL and SOH prediction of lithium-ion batteries using LOCO.

Scientific reports·2026
Same author

Explainable Boosting Machine in Sepsis Prediction Using Platelet Metabolomics: An Interpretable Machine Learning Approach.

Diagnostics (Basel, Switzerland)·2026
Same author

Secure Elliptic Galois Cryptography Framework for robust real-time vehicle image classification using convolutional sparse autoencoder in intelligent transportation systems.

Scientific reports·2026
Same author

An explainable multi-head attention network for healthcare IoT threat detection based on the MedDefender-MHAN framework.

PloS one·2026

本研究介绍了一种基于深度学习的混合入侵检测,用于边缘计算,使用星优化算法 (HDLID-ECSOA) 来保护物联网 (IoT) 设备. 这种新的技术在智能城市环境中检测威胁时达到99%以上的准确性.

科学领域:

  • 网络安全 网络安全
  • 人工智能的人工智能
  • 边缘计算 边缘计算

背景情况:

  • 物联网 (IoT) 设备在包括智能城市在内的各种领域的扩散加剧了安全问题.
  • 边缘计算为物联网应用产生的大量数据的延迟敏感计算处理提供解决方案.
  • 整合人工智能和深度学习方法对于开发用于物联网环境的有效入侵检测系统 (IDS) 是至关重要的.

研究的目的:

  • 为边缘计算使用海星优化算法 (HDLID-ECSOA) 技术提出一种新的基于深度学习的混合入侵检测.
  • 为了提高智能城市基础设施内的智能边缘计算的安全性.
  • 为了提高物联网安全性,利用先进的优化模型.

主要方法:

  • 使用min-max规范化进行数据预处理以实现数据标准化.
  • 使用Dingo优化算法 (DOA) 进行特征选择.
  • 使用混合卷积神经网络 (CNN) 和具有交叉注意力机制 (CrAM) 的双向门式循环单元 (BiGRU) 的入侵分类.
  • 通过星优化算法 (SFOA) 进行超参数调整,以获得最佳的模型性能.

主要成果:

  • 在Edge-IIoT和ToN-IoT数据集上,HDLID-ECSOA模型展示了卓越的性能.
关键词:
深度学习是一种深度学习.丁戈优化器算法的算法边缘计算是一种边缘计算.侵入检测入侵检测系统可以检测入侵.海星优化算法的优化算法

更多相关视频

End-To-End Deep Neural Network for Salient Object Detection in Complex Environments
03:31

End-To-End Deep Neural Network for Salient Object Detection in Complex Environments

Published on: December 15, 2023

相关实验视频

Last Updated: Jun 29, 2026

The Modular Design and Production of an Intelligent Robot Based on a Closed-Loop Control Strategy
11:53

The Modular Design and Production of an Intelligent Robot Based on a Closed-Loop Control Strategy

Published on: October 14, 2017

End-To-End Deep Neural Network for Salient Object Detection in Complex Environments
03:31

End-To-End Deep Neural Network for Salient Object Detection in Complex Environments

Published on: December 15, 2023

  • 实现了分别99.35%和99.33%的高准确率,超过了现有的入侵检测技术.
  • 拟议的方法有效地识别和分类边缘计算环境中的入侵.

    • 结论:

    • 高亮度ECSOA技术为物联网边缘计算中的入侵检测提供了有效和准确的解决方案.
    • 深度学习和高级优化算法的集成显著提高了智能城市应用程序的网络安全.
    • 该研究验证了人工智能驱动的安全模型在保护复杂物联网生态系统方面的潜力.