Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Internet of Things: A survey on machine learning-based intrusion detection approaches

Texto completo
Autor(es):
da Costa, Kelton A. P. [1] ; Papa, Joao P. [1] ; Lisboa, Celso O. [1] ; Munoz, Roberto [2] ; de Albuquerque, Victor Hugo C. [3]
Número total de Autores: 5
Afiliação do(s) autor(es):
[1] Sao Paulo State Univ, Dept Comp, Bauru - Brazil
[2] Univ Valparaiso, Sch Informat Engn, Valparaiso - Chile
[3] Univ Fortaleza, Grad Program Appl Informat, Fortaleza, Ceara - Brazil
Número total de Afiliações: 3
Tipo de documento: Artigo Científico
Fonte: Computer Networks; v. 151, p. 147-157, MAR 14 2019.
Citações Web of Science: 0
Resumo

In the world scenario, concerns with security and privacy regarding computer networks are always increasing. Computer security has become a necessity due to the proliferation of information technologies in everyday life. The increase in the number of Internet accesses and the emergence of new technologies, such as the Internet of Things (IoT paradigm, are accompanied by new and modern attempts to invade computer systems and networks. Companies are increasingly investing in studies to optimize the detection of these attacks. Institutions are selecting intelligent techniques to test and verify by comparing the best rates of accuracy. This research, therefore, focuses on rigorous state-of-the-art literature on Machine Learning Techniques applied in Internet-of-Things and Intrusion Detection for computer network security. The work aims, therefore, recent and in-depth research of relevant works that deal with several intelligent techniques and their applied intrusion detection architectures in computer networks with emphasis on the Internet of Things and machine learning. More than 95 works on the subject were surveyed, spanning across different themes related to security issues in loT environments. (C) 2019 Elsevier B.V. All rights reserved. (AU)

Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
Beneficiário:Alexandre Xavier Falcão
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 17/22905-6 - Sobre a segurança de imagens utilizando aprendizado de máquina
Beneficiário:Kelton Augusto Pontara da Costa
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 16/19403-6 - Modelos de aprendizado baseados em energia e suas aplicações
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular