Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Rosa, Gustavo H. de [UNESP] | - |
Autor(es): dc.creator | Roder, Mateus [UNESP] | - |
Autor(es): dc.creator | Santos, Daniel F. S. [UNESP] | - |
Autor(es): dc.creator | Costa, Kelton A. P. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-08-04T22:09:02Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T22:09:02Z | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2021-01-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s41870-020-00535-4 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/221582 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/221582 | - |
Descrição: dc.description | Technology has been nurturing a wide range of applications in the past decades, assisting humans in automating some of their daily tasks. Nevertheless, more advanced technology systems also expose some potential flaws, which encourage malicious users to explore and break their security. Researchers attempted to overcome such problems by fostering intrusion detection systems, which are security layers that try to detect mischievous attempts. Apart from that, increasing demand for machine learning also enabled the possibility of combining such approaches in order to provide more robust detection systems. In this context, we introduce a novel approach to deal with anomaly detection, where instead of using the problem’s raw features, we project them through a restricted Boltzmann machine. The intended approach was assessed under a well-known literature anomaly detection dataset and achieved suitable results, better than some state-of-the-art approaches. | - |
Descrição: dc.description | Petrobras | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Department of Computing São Paulo State University, Av. Eng. Luiz Edmundo Carrijo Coube, 14-01 | - |
Descrição: dc.description | Department of Computing São Paulo State University, Av. Eng. Luiz Edmundo Carrijo Coube, 14-01 | - |
Descrição: dc.description | Petrobras: 2017/00285-6 | - |
Descrição: dc.description | FAPESP: 2019/02205-5 | - |
Descrição: dc.description | FAPESP: 2019/07825-1 | - |
Formato: dc.format | 49-57 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | International Journal of Information Technology (Singapore) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Anomaly detection | - |
Palavras-chave: dc.subject | Intrusion detection system | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Restricted Boltzmann machine | - |
Título: dc.title | Enhancing anomaly detection through restricted Boltzmann machine features projection | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: