Evaluating ML-based anomaly detection across datasets of varied integrity: A case study
Computer Networks · 2024-09 · 251 · 110617
DOI: 10.1016/j.comnet.2024.110617 ↗Kurz gefasst
Fachartikel in der Zeitschrift Computer Networks, 2024-09. Verfasst von Adrian Pekar und 1 weiteren Autor:innen. Die Arbeit wurde bisher 20-mal zitiert (Crossref) und nennt 19 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: Magyar Tudományos Akadémia, Nemzeti Kutatási, Fejlesztési és Innovaciós Alap, Nemzeti Kutatási Fejlesztési és Innovációs Hivatal.
Abstract (Originalsprache)
Kein Abstract verfügbar.
Förderung
- Magyar Tudományos Akadémia
- Nemzeti Kutatási, Fejlesztési és Innovaciós Alap
- Nemzeti Kutatási Fejlesztési és Innovációs Hivatal
Zitieren
APA
Pekar, A., & Jozsa, R. (2024). Evaluating ML-based anomaly detection across datasets of varied integrity: A case study. Computer Networks, 251, 110617. https://doi.org/10.1016/j.comnet.2024.110617
Vancouver
Pekar A, Jozsa R. Evaluating ML-based anomaly detection across datasets of varied integrity: A case study. Computer Networks. 2024;251:110617. doi:10.1016/j.comnet.2024.110617
BibTeX
@article{Pekar2024,
author = {Pekar, Adrian and Jozsa, Richard},
title = {Evaluating ML-based anomaly detection across datasets of varied integrity: A case study},
journal = {Computer Networks},
year = {2024},
volume = {251},
pages = {110617},
doi = {10.1016/j.comnet.2024.110617}
}
EUVIMED