EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Evaluating ML-based anomaly detection across datasets of varied integrity: A case study

Adrian Pekar, Richard Jozsa

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.

AbstractBibliografische AngabenZitierenVerwandte Studien

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}
}
Kostenlos starten →