Buchumschlag

Optimized IoT Intrusion Detection using Machine Learning Technique

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mahmud, Muhammad Zawad, Islam, Samiha, Alve, Shahran Rahman, Pial, Al Jubayer
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Sdn Intrusion Detection Using Machine Learning Method
von: Mahmud, Muhammad Zawad, et al.
Veröffentlicht: (2024)

Smart IoT Security: Lightweight Machine Learning Techniques for Multi-Class Attack Detection in IoT Networks
von: Alve, Shahran Rahman, et al.
Veröffentlicht: (2025)

Machine Learning Meets Transparency in Osteoporosis Risk Assessment: A Comparative Study of ML and Explainability Analysis
von: Elias, Farhana, et al.
Veröffentlicht: (2025)

A Comparative Analysis of Machine Learning Models for Intrusion Detection in Intelligent Transport Systems
von: Sazid, Zawad Yalmie, et al.
Veröffentlicht: (2026)

Adaptive Intrusion Detection for Evolving RPL IoT Attacks Using Incremental Learning
von: Bas, Sumeyye, et al.
Veröffentlicht: (2025)

Dynamic Temporal Positional Encodings for Early Intrusion Detection in IoT
von: Panopoulos, Ioannis, et al.
Veröffentlicht: (2025)

OptiFLIDS: Optimized Federated Learning for Energy-Efficient Intrusion Detection in IoT
von: Elouardi, Saida, et al.
Veröffentlicht: (2025)

Elevating Intrusion Detection and Security Fortification in Intelligent Networks through Cutting-Edge Machine Learning Paradigms
von: Munna, Md Minhazul Islam, et al.
Veröffentlicht: (2025)

Hybrid LLM-Enhanced Intrusion Detection for Zero-Day Threats in IoT Networks
von: Al-Hammouri, Mohammad F., et al.
Veröffentlicht: (2025)

FLARE: Feature-based Lightweight Aggregation for Robust Evaluation of IoT Intrusion Detection
von: Boswell, Bradley, et al.
Veröffentlicht: (2025)

Open Set Dandelion Network for IoT Intrusion Detection
von: Wu, Jiashu, et al.
Veröffentlicht: (2023)

Enhancing Autonomous Online Intrusion Detection for IoT with Balanced Learning, Reliable Pseudo-Labels, and Lightweight Architectures
von: Afzaal, Hanzala, et al.
Veröffentlicht: (2026)

Evasion of IoT Malware Detection via Dummy Code Injection
von: Zargarzadeh, Sahar, et al.
Veröffentlicht: (2026)

MLSTL-WSN: Machine Learning-based Intrusion Detection using SMOTETomek in WSNs
von: Talukder, Md. Alamin, et al.
Veröffentlicht: (2024)

A Conditional Tabular GAN-Enhanced Intrusion Detection System for Rare Attacks in IoT Networks
von: Menssouri, Safaa, et al.
Veröffentlicht: (2025)

Towards Efficient Machine Learning Method for IoT DDoS Attack Detection
von: Modi, P
Veröffentlicht: (2024)

A-THENA: Early Intrusion Detection for IoT with Time-Aware Hybrid Encoding and Network-Specific Augmentation
von: Panopoulos, Ioannis, et al.
Veröffentlicht: (2026)

Intrusion Detection in IoT Networks Using Hyperdimensional Computing: A Case Study on the NSL-KDD Dataset
von: Ghajari, Ghazal, et al.
Veröffentlicht: (2025)

A Comparative Analysis of Machine Learning Models for DDoS Detection in IoT Networks
von: Shakya, Sushil, et al.
Veröffentlicht: (2024)

On-Device Interpretable Tsetlin Machine-Based Intrusion Detection for Secure IoMT
von: Jaiswal, Rahul, et al.
Veröffentlicht: (2026)

Efficient Network Traffic Feature Sets for IoT Intrusion Detection
von: Silva, Miguel, et al.
Veröffentlicht: (2024)

XAI-SOH-FL: Enhancing SOH-FL with Adaptive Aggregation and Explainable AI for Intrusion Detection in Heterogeneous IoT
von: Aslam, Ambreen, et al.
Veröffentlicht: (2026)

Improving IoT Intrusion Detection Through SMOTE-Based Oversampling and Extended Multi-Model Evaluation on Side-Channel Power Data
von: Shahzad, Muhammad Khuram, et al.
Veröffentlicht: (2026)

LEMDA: A Novel Feature Engineering Method for Intrusion Detection in IoT Systems
von: Ghubaish, Ali, et al.
Veröffentlicht: (2024)

Optimizing IoT Threat Detection with Kolmogorov-Arnold Networks (KANs)
von: Emelianova, Natalia, et al.
Veröffentlicht: (2025)

Multiple-Input Auto-Encoder Guided Feature Selection for IoT Intrusion Detection Systems
von: Dinh, Phai Vu, et al.
Veröffentlicht: (2024)

A Tsetlin Machine-driven Intrusion Detection System for Next-Generation IoMT Security
von: Jaiswal, Rahul, et al.
Veröffentlicht: (2026)

Exploring Robust Intrusion Detection: A Benchmark Study of Feature Transferability in IoT Botnet Attack Detection
von: Guerra-Manzanares, Alejandro, et al.
Veröffentlicht: (2026)

SD-CGAN: Conditional Sinkhorn Divergence GAN for DDoS Anomaly Detection in IoT Networks
von: Onyeka, Henry, et al.
Veröffentlicht: (2025)

Intrusion Detection in Internet of Vehicles Using Machine Learning
von: Le, Hop, et al.
Veröffentlicht: (2025)

A Comparative Analysis of Ensemble-Based Machine Learning Approaches with Explainable AI for Multi-Class Intrusion Detection in Drone Networks
von: Hossain, Md. Alamgir, et al.
Veröffentlicht: (2025)

Evaluating Tabular Representation Learning for Network Intrusion Detection
von: Butt, Muhammad Usman, et al.
Veröffentlicht: (2026)

MI$^2$DAS: A Multi-Layer Intrusion Detection Framework with Incremental Learning for Securing Industrial IoT Networks
von: Lian, Wei, et al.
Veröffentlicht: (2026)

New Machine Learning Approaches for Intrusion Detection in ADS-B
von: Ngamboé, Mikaëla, et al.
Veröffentlicht: (2025)

Privacy-Preserving Machine Learning for IoT: A Cross-Paradigm Survey and Future Roadmap
von: Zaman, Zakia, et al.
Veröffentlicht: (2026)

Optimizing IoT Intrusion Detection with Tabular Foundation Models for Smart City Forensics
von: Al-Dahmani, Asma, et al.
Veröffentlicht: (2026)

Enhancing Cybersecurity in IoT Networks: A Deep Learning Approach to Anomaly Detection
von: Pang, Yining, et al.
Veröffentlicht: (2024)

A Critical Assessment of Interpretable and Explainable Machine Learning for Intrusion Detection
von: Subasi, Omer, et al.
Veröffentlicht: (2024)

Machine Learning-Assisted Intrusion Detection for Enhancing Internet of Things Security
von: Esmaeili, Mona, et al.
Veröffentlicht: (2024)

An Optimized Decision Tree-Based Framework for Explainable IoT Anomaly Detection
von: Ashikuzzaman, et al.
Veröffentlicht: (2026)