| Título : |
Deep Learning for Security and Privacy Preservation in IoT |
| Tipo de documento: |
documento electrónico |
| Autores: |
Makkar, Aaisha, ; Kumar, Neeraj, |
| Mención de edición: |
1 ed. |
| Editorial: |
Singapore [Malasya] : Springer |
| Fecha de publicación: |
2021 |
| Número de páginas: |
XII, 179 p. 58 ilustraciones, 44 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-981-1661860-- |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Protección de datos Internet de las Cosas Inteligencia artificial Seguridad de datos e información |
| Índice Dewey: |
005.8 Ciencia de los computadores (Programación, programas de sistemas) |
| Resumen: |
Este libro aborda los problemas de privacidad y seguridad en las redes de Internet de las cosas (IoT) que son susceptibles a ataques cibernéticos y propone enfoques basados en el aprendizaje profundo que utilizan modelos de redes neuronales artificiales para lograr un entorno de IoT más seguro. Debido a la insuficiencia de las soluciones existentes para cubrir todo el espectro de seguridad de la red IoT, el libro utiliza modelos de redes neuronales artificiales, que se utilizan para clasificar, reconocer y modelar datos complejos, incluidos imágenes, voz y texto, para mejorar el nivel de seguridad. y privacidad de IoT. Esto se aplica a varias aplicaciones de IoT que incluyen redes de sensores inalámbricos (WSN), transmisión de lectura de medidores en redes inteligentes, redes vehiculares ad hoc (VANET), IoT industrial y redes conectadas. El libro sirve como referencia para investigadores, académicos e ingenieros de redes que desean desarrollar características mejoradas de seguridad y privacidad en el diseño de sistemas de IoT. |
| Nota de contenido: |
Metamorphosis of Industrial IoT using Deep Leaning -- Deep Learning Models and their Architectures for Computer Vision Applications: A Review -- IoT Data Security with Machine Learning Blockchain: Risks and Countermeasures -- A Review on Cyber Crimes on the Internet of Things -- Deep learning framework for anomaly detection in IoT enabled systems -- Anomaly Detection using Unsupervised Machine Learning Algorithms -- Game Theory Based Privacy Preserving Approach for Collaborative Deep Learning in IoT -- Deep Learning based security preservation of IoT: An industrial machine health monitoring scenario -- Deep learning Models: An Understandable Interpretable Approaches. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Deep Learning for Security and Privacy Preservation in IoT [documento electrónico] / Makkar, Aaisha, ; Kumar, Neeraj, . - 1 ed. . - Singapore [Malasya] : Springer, 2021 . - XII, 179 p. 58 ilustraciones, 44 ilustraciones en color. ISBN : 978-981-1661860-- Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Protección de datos Internet de las Cosas Inteligencia artificial Seguridad de datos e información |
| Índice Dewey: |
005.8 Ciencia de los computadores (Programación, programas de sistemas) |
| Resumen: |
Este libro aborda los problemas de privacidad y seguridad en las redes de Internet de las cosas (IoT) que son susceptibles a ataques cibernéticos y propone enfoques basados en el aprendizaje profundo que utilizan modelos de redes neuronales artificiales para lograr un entorno de IoT más seguro. Debido a la insuficiencia de las soluciones existentes para cubrir todo el espectro de seguridad de la red IoT, el libro utiliza modelos de redes neuronales artificiales, que se utilizan para clasificar, reconocer y modelar datos complejos, incluidos imágenes, voz y texto, para mejorar el nivel de seguridad. y privacidad de IoT. Esto se aplica a varias aplicaciones de IoT que incluyen redes de sensores inalámbricos (WSN), transmisión de lectura de medidores en redes inteligentes, redes vehiculares ad hoc (VANET), IoT industrial y redes conectadas. El libro sirve como referencia para investigadores, académicos e ingenieros de redes que desean desarrollar características mejoradas de seguridad y privacidad en el diseño de sistemas de IoT. |
| Nota de contenido: |
Metamorphosis of Industrial IoT using Deep Leaning -- Deep Learning Models and their Architectures for Computer Vision Applications: A Review -- IoT Data Security with Machine Learning Blockchain: Risks and Countermeasures -- A Review on Cyber Crimes on the Internet of Things -- Deep learning framework for anomaly detection in IoT enabled systems -- Anomaly Detection using Unsupervised Machine Learning Algorithms -- Game Theory Based Privacy Preserving Approach for Collaborative Deep Learning in IoT -- Deep Learning based security preservation of IoT: An industrial machine health monitoring scenario -- Deep learning Models: An Understandable Interpretable Approaches. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsqueda
