XiaoMi-AI文件搜索系统
World File Search SystemIIOTS
Pignus -Padua Research Archive
在本文中，我们介绍了第一个综合IDS框架，该框架结合了效果效果 - 映射技术和级联模型，以解决上述问题。我们称我们提出的解决方案在工业互联网（Pignus）中提出的深度学习模型入侵检测。Pignus集成了自动编码器（AE），以选择最佳特征，并将级联反向后背传播神经网络（CFBPNN）进行分类和攻击检测。级联模型使用从初始层到输出层的互连链接，并确定正常和异常的行为模式并产生完美的分类。我们在五个流行的IIOT数据集上执行了一组实验：气管管道，储水箱，NSLKDD+，UNSW-NB15和X-IIOTID。我们将Pignus与最先进的模型进行了比较，从精度，假阳性比率（FPR），精度和召回率进行了比较。结果表明，Pignus提供的精度超过95％，平均比现有型号高25％。在其他参数中，Pignus显示出20％的FPR，10％的回忆10％，精度提高了10％。总的来说，Pignus证明了其效率为IIOTS的IDS解决方案。因此，Pignus是IIOTS的有效解决方案。
采用强化算法的工业物联网认知自适应系统
近年来，工业物联网 (IIoT) 推动了第四次工业革命 (IIoT)。从早期的传感器网络到如今的 NB-IoT、LoRaWAN 和 LTE Cat M1 [ 1 ]，IIoT 已发生了重大变化。边缘计算 [ 2 ] 的核心组件包括网络、计算机、存储和应用程序，可以提供一个提取关键信息并减少传输压力的平台。智能 IIoT 旨在鼓励用户在计算网络的边缘进行交互。IIoT 应该能够使用边缘智能进行感知、计算、确定和通信。IIoT 边缘智能应用的范围很广 [ 3 ]。通过语义表示、传感器关联和全网络 AI 建模，支持 IIoT 的认知技术可以提高网络意识和语义上下文理解能力。然而，认知技术需要高水平的态势感知，并且仍然对支持 IIoT 的边缘解决方案提出挑战。信息科学和计算智能的快速发展为智能边缘 IIoT 应用提供了一些新的解决方案 [ 4 ]。具体而言，智能边缘 IIoT 受益于智能计算，例如深度学习 (DL)，它从边缘设备（例如计算机或工业控制器）提供的机器数据（可用）中学习智能行为[ 5 ]。感知、理解、学习、判断、理性、规划、设计和解决都是 DL 的一部分。IIoT 中的 DL 允许网络进行表示、学习和争论。人类可以轻松地从新的数据分析中学习，但如果输入信息突然发生变化，机器很难快速调整其知识。认知技术旨在自动化和模仿人类的学习功能。