TIEFES LERNEN

Die Forschung konzentriert sich auf den Entwurf und die Implementierung eines Cloud-basierten Sicherheitssystems, das Optimierungsverfahren des tiefen und maschinellen Lernens nutzt. Das System verwendet mehrere Echtzeit-Überwachungsparameter und erreicht eine hohe Präzision, eine wichtige Anforderung bei der Entwicklung von Cloud-Computing.Betrüger haben es oft auf Cloud-basierte E-Commerce- und Handelswebsites abgesehen, weshalb die Entwicklung eines präzisen Betrugserkennungssystems unerlässlich ist. Eswerden Deep-Learning-Mechanismen wie Fully Convolutional Neural Networks (FCNN), Convolutional Neural Networks (CNN) und maschinelle Lernmethoden wie Support Vector Machine (SVM), Fuzzy Logic und Logistic Regression (LR) vorgestellt. Die fortschrittlichen FCNN-GBML-Methoden (Global Binary Multiclass Learning) überwinden die Grenzen bestehender Ansätze, verbessern die Genauigkeit, die Entscheidungsraten und verringern die Fehlalarmraten bei der Erkennung von Cloud-basiertem Betrug.

Autorentext

Dr G. Prasanthi, professeur adjoint, Institut d'ingénierie et de technologie Gokaraju Rangaraju, Hyderabad, Telangana.M. N. Sridhar Babu, ingénieur logiciel, Telangana.M. Vinod Babu Polinati, professeur adjoint, Shri Vishnu Engineering College for Women, Bhimavaram.Dr G. Srinivas Rao, professeur agrégé à l'Université GITAM Deemed, Inde.