EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Multi-Stage Deep Learning for Intrusion Detection in Industrial Internet of Things

Segun I. Popoola, Yakubu Tsado, Abimbola A. Ogunjinmi, Erika Sanchez-Velazquez, Yonghong Peng, Danda B. Rawat

IEEE Access · 2025 · 13 · 60532-60555

DOI: 10.1109/access.2025.3557959 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Access, 2025. Verfasst von Segun I. Popoola und 5 weiteren Autor:innen. Die Arbeit wurde bisher 51-mal zitiert (Crossref) und nennt 70 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Innovate UK.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Innovate UK

Zitieren

APA

Popoola, S. I., Tsado, Y., Ogunjinmi, A. A., Sanchez-Velazquez, E., Peng, Y., & Rawat, D. B. (2025). Multi-Stage Deep Learning for Intrusion Detection in Industrial Internet of Things. IEEE Access, 13, 60532-60555. https://doi.org/10.1109/access.2025.3557959

Vancouver

Popoola SI, Tsado Y, Ogunjinmi AA, Sanchez-Velazquez E, Peng Y, Rawat DB. Multi-Stage Deep Learning for Intrusion Detection in Industrial Internet of Things. IEEE Access. 2025;13:60532-60555. doi:10.1109/access.2025.3557959

BibTeX
@article{Popoola2025,
  author = {Popoola, Segun I. and Tsado, Yakubu and Ogunjinmi, Abimbola A. and Sanchez-Velazquez, Erika and Peng, Yonghong and Rawat, Danda B.},
  title = {Multi-Stage Deep Learning for Intrusion Detection in Industrial Internet of Things},
  journal = {IEEE Access},
  year = {2025},
  volume = {13},
  pages = {60532--60555},
  doi = {10.1109/access.2025.3557959}
}
Kostenlos starten →