18/11/2026Veri Anla Mfumo wa kugundua mashambulizi ya mtandao unaotegemea Transformer ya nafasi na wakati inayojirekebisha, unaowakilisha mahusiano ya mawasiliano yanayobadilika kati ya nodi za mtandao kama grafu inayobadilika, kuchakata utegemezi wa wakati kwa Transformer na utegemezi wa nafasi/topolojia kwa graph convolution, kutumia federated learning na differential privacy bila kutoa data ya ndani kutoka kwenye kifaa, na baada ya shambulizi kwa reinforcement learning Tazama zaidi
18/11/2026Veri Anla Mfumo huru wa kikoa na unaofafanulika wa kugundua mashambulizi ya mtandao hutumia mantiki ileile ya maandalizi ya data na Fully Connected Neural Network (FCNN) kwa kila kikoa cha data ya mtandao kivyake, kama IoT, seva za shirika na trafiki ya programu hasidi, na hulenga kueleza maamuzi ya modeli kwa kutumia SHapley Additive exPlanations (SHAP) na Local Interpretable Model-Agnostic Explanations (LIME) kama mkabala unaosimamiwa wa Tazama zaidi
18/11/2026Veri Anla Mfumo uliopendekezwa wa Kugundua Uvamizi wa Mtandao unaotegemea picha (image-based Network Intrusion Detection System, NIDS), badala ya kusubiri mtiririko wa mtandao ukamilike, hubadilisha hadi pakiti tano za mtandao zinazofuatana kuwa uwakilishi wa RGB wa vipimo 5 × 1486 × 3 unaohifadhi taarifa za muda, mwelekeo, kichwa cha itifaki na payload, kwa Convolutional Neural Network (CNN) yenye vipengele vya residual na channel-attention Tazama zaidi
18/11/2026Veri Anla Mfumo wa MI–RFE–stacking unaozingatia gharama ni mkondo wa tathmini wa Network Intrusion Detection System (NIDS) unaohifadhi data ambao huunganisha uteuzi wa vipengele kwa Mutual Information (MI) na Recursive Feature Elimination (RFE), stacking ensemble yenye miundo tofauti na gharama za makosa zinazotegemea darasa ili kuongeza mwonekano wa mashambulizi nadra katika ugunduzi wa mashambulizi ya mtandao ya madarasa mengi yenye kutokuwiana. Tazama zaidi
18/11/2026Veri Anla Mfumo wa ujifunzaji wa mashine wenye ustahimilivu unaotegemea Random Forest ni mkabala wa ujifunzaji wa mkusanyiko unaolenga kudumisha uaminifu wa uainishaji wa trafiki ya mtandao dhidi ya mashambulizi ya kutia sumu data ya label-flipping yanayotokana na kubadilisha kwa nia ovu lebo za data ya mafunzo. Tazama zaidi
Mapendeleo ya vidakuzi
Your experience on this site will be improved by allowing cookies Cookie Policy
Badilisha mapendeleo
Your experience on this site will be improved by allowing cookies