EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Few-Shot Learning for IoT Intrusion Detection: An Attention-Based Siamese Network Approach

Shahid Latif, Jawad Ahmad, Wadii Boulila, Muhammad Shahbaz Khan, Djamel Djenouri

Procedia Computer Science · 2025 · 270 · 4553-4562

DOI: 10.1016/j.procs.2025.09.581 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Procedia Computer Science, 2025. Verfasst von Shahid Latif und 4 weiteren Autor:innen. Die Arbeit wurde bisher 3-mal zitiert (Crossref) und nennt 14 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Prince Sultan University.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Prince Sultan University

Zitieren

APA

Latif, S., Ahmad, J., Boulila, W., Khan, M. S., & Djenouri, D. (2025). Few-Shot Learning for IoT Intrusion Detection: An Attention-Based Siamese Network Approach. Procedia Computer Science, 270, 4553-4562. https://doi.org/10.1016/j.procs.2025.09.581

Vancouver

Latif S, Ahmad J, Boulila W, Khan MS, Djenouri D. Few-Shot Learning for IoT Intrusion Detection: An Attention-Based Siamese Network Approach. Procedia Computer Science. 2025;270:4553-4562. doi:10.1016/j.procs.2025.09.581

BibTeX
@article{Latif2025,
  author = {Latif, Shahid and Ahmad, Jawad and Boulila, Wadii and Khan, Muhammad Shahbaz and Djenouri, Djamel},
  title = {Few-Shot Learning for IoT Intrusion Detection: An Attention-Based Siamese Network Approach},
  journal = {Procedia Computer Science},
  year = {2025},
  volume = {270},
  pages = {4553--4562},
  doi = {10.1016/j.procs.2025.09.581}
}
Kostenlos starten →