Deep learning-enabled anomaly detection for IoT systems

Adel Abusitta, Glaucio H. S. de Carvalho, Omar Abdul Wahab, Talal Halabi, Benjamin C. M. Fung et Saja Al Mamoori

Article de revue (2023)

Un lien externe est disponible pour ce document

Département:	Département de génie informatique et génie logiciel
URL de PolyPublie:	https://publications.polymtl.ca/52206/
Titre de la revue:	Internet of Things (vol. 21)
Maison d'édition:	Elsevier
DOI:	10.1016/j.iot.2022.100656
URL officielle:	https://doi.org/10.1016/j.iot.2022.100656
Date du dépôt:	18 avr. 2023 14:58
Dernière modification:	25 sept. 2024 16:43

Citer en APA 7:	Abusitta, A., de Carvalho, G. H. S., Abdul Wahab, O., Halabi, T., Fung, B. C. M., & Al Mamoori, S. (2023). Deep learning-enabled anomaly detection for IoT systems. Internet of Things, 21, 100656 (13 pages). https://doi.org/10.1016/j.iot.2022.100656
APA 7 (HTML)ASCII CitationAtomBibTeXDOIsDublin CoreEndNote (.ENW)MARC (ISO 2709/UTF-8) (.MRC)MARC (UTF-8) (.MRK8)MARC XMLMPEG-21 DIDLMultiline CSVOAI-ORE Resource Map (Atom Format)OPENAIREOpenURL ContextObjectOpenURL ContextObject in SpanRDF+N-TriplesRDF+N3RDF+XMLReferReference Manager (.RIS)Simple Metadata

Statistiques

Actions réservées au personnel