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

Deep-IDS: A Real-Time Intrusion Detector for IoT Nodes Using Deep Learning

Sandeepkumar Racherla, Prathyusha Sripathi, Nuruzzaman Faruqui, Md Alamgir Kabir, Md Whaiduzzaman, Syed Aziz Shah

IEEE Access · 2024 · 12 · 63584-63597

DOI: 10.1109/access.2024.3396461 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Access, 2024. Verfasst von Sandeepkumar Racherla und 5 weiteren Autor:innen. Die Arbeit wurde bisher 99-mal zitiert (Crossref) und nennt 75 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

Racherla, S., Sripathi, P., Faruqui, N., Kabir, M. A., Whaiduzzaman, M., & Shah, S. A. (2024). Deep-IDS: A Real-Time Intrusion Detector for IoT Nodes Using Deep Learning. IEEE Access, 12, 63584-63597. https://doi.org/10.1109/access.2024.3396461

Vancouver

Racherla S, Sripathi P, Faruqui N, Kabir MA, Whaiduzzaman M, Shah SA. Deep-IDS: A Real-Time Intrusion Detector for IoT Nodes Using Deep Learning. IEEE Access. 2024;12:63584-63597. doi:10.1109/access.2024.3396461

BibTeX
@article{Racherla2024,
  author = {Racherla, Sandeepkumar and Sripathi, Prathyusha and Faruqui, Nuruzzaman and Kabir, Md Alamgir and Whaiduzzaman, Md and Shah, Syed Aziz},
  title = {Deep-IDS: A Real-Time Intrusion Detector for IoT Nodes Using Deep Learning},
  journal = {IEEE Access},
  year = {2024},
  volume = {12},
  pages = {63584--63597},
  doi = {10.1109/access.2024.3396461}
}
Kostenlos starten →