Verbessertes IDS mit einem hybriden Ansatz für maschinelles Lernen

CHF 51.55
Auf Lager
SKU
LA74GRIS0SL
Stock 1 Verfügbar
Geliefert zwischen Mi., 14.01.2026 und Do., 15.01.2026

Details

Das Enhanced Intrusion Detection System utilizing a Hybrid Machine Learning Approach ist ein Sicherheitssystem, das eine Kombination von Algorithmen des maschinellen Lernens einsetzt, um unbefugten Zugang zu Computernetzwerken zu erkennen und zu verhindern. Das System analysiert die Muster des Netzwerkverkehrs und überwacht das Benutzerverhalten, um potenzielle Bedrohungen zu erkennen. Durch den Einsatz eines hybriden maschinellen Lernansatzes soll das System seine Fähigkeit zur Erkennung und Verhinderung von Cyberangriffen verbessern und damit letztlich die Netzwerksicherheit erhöhen.

Autorentext

Pavan K Singhal trabalha como professor assistente no departamento de CSE do Moradabad Institute of Technology, UP. Tem uma experiência de mais de 17 anos.Chandra Prakash Bhargava trabalha como professor assistente no departamento de CSE do ITM Gwalior, M.P.Dr. Pradeep Yadav trabalha como Professor Associado no departamento de CSE do ITM Gwalior, M.P.

Weitere Informationen

  • Allgemeine Informationen
    • GTIN 09786206059974
    • Genre Datenkommunikation & Netzwerke
    • Sprache Deutsch
    • Anzahl Seiten 88
    • Herausgeber Verlag Unser Wissen
    • Größe H220mm x B150mm x T6mm
    • Jahr 2023
    • EAN 9786206059974
    • Format Kartonierter Einband
    • ISBN 978-620-6-05997-4
    • Veröffentlichung 02.06.2023
    • Titel Verbessertes IDS mit einem hybriden Ansatz für maschinelles Lernen
    • Autor Pavan Kumar Singhal , Chandra Prakash Bhargava , Pradeep Yadav
    • Untertitel Verbesserung der Netzwerksicherheit durch hybrides maschinelles Lernen
    • Gewicht 149g

Bewertungen

Schreiben Sie eine Bewertung
Nur registrierte Benutzer können Bewertungen schreiben. Bitte loggen Sie sich ein oder erstellen Sie ein Konto.
Made with ♥ in Switzerland | ©2025 Avento by Gametime AG
Gametime AG | Hohlstrasse 216 | 8004 Zürich | Schweiz | UID: CHE-112.967.470