EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC 4.0

Intrusion Detection Systems in IoT Based on Machine Learning: A state of the art

Mohammed BERHILI, Omar CHAIEB, Mohammed BENABDELLAH

Procedia Computer Science · 2024 · 251 · 99-107

DOI: 10.1016/j.procs.2024.11.089 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Procedia Computer Science, 2024. Verfasst von Mohammed BERHILI und 2 weiteren Autor:innen. Die Arbeit wurde bisher 20-mal zitiert (Crossref) und nennt 39 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

BERHILI, M., CHAIEB, O., & BENABDELLAH, M. (2024). Intrusion Detection Systems in IoT Based on Machine Learning: A state of the art. Procedia Computer Science, 251, 99-107. https://doi.org/10.1016/j.procs.2024.11.089

Vancouver

BERHILI M, CHAIEB O, BENABDELLAH M. Intrusion Detection Systems in IoT Based on Machine Learning: A state of the art. Procedia Computer Science. 2024;251:99-107. doi:10.1016/j.procs.2024.11.089

BibTeX
@article{BERHILI2024,
  author = {BERHILI, Mohammed and CHAIEB, Omar and BENABDELLAH, Mohammed},
  title = {Intrusion Detection Systems in IoT Based on Machine Learning: A state of the art},
  journal = {Procedia Computer Science},
  year = {2024},
  volume = {251},
  pages = {99--107},
  doi = {10.1016/j.procs.2024.11.089}
}
Kostenlos starten →