인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Internet of Things (IoT) devices flourish fast along with the rapid progress of wireless network technologies. Since IoT devices usually deal with sensitive information from nearby users, protecting them from malicious network activities is critical. Artificial neural network (ANN) based approaches are known to be effective in detecting network anomalies. However, it is hard for IoT devices to apply such approaches due to constrained resources. Spiking Neural Networks (SNN) is a new type of neural network that requires low power consumption and computational overhead, which is proper for IoT devices. In this paper, using several network intrusion datasets, we conduct extensive experiments to compare the performance of ANN and SNN for identifying network attacks. Our experiment results demonstrate that SNN yields comparable performance to ANN in terms of accuracy and outperforms ANN in detecting frequently appearing attacks while consuming less energy.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-091113771
